論文の概要: Automated Tool Support for Category-Partition Testing: Design Decisions, UI and Examples of Use
- arxiv url: http://arxiv.org/abs/2601.12559v1
- Date: Sun, 18 Jan 2026 19:48:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-21 22:47:22.68329
- Title: Automated Tool Support for Category-Partition Testing: Design Decisions, UI and Examples of Use
- Title（参考訳）: カテゴリー分割テストのための自動ツールサポート:設計決定、UI、使用例
- Authors: Yvan Labiche,
- Abstract要約: カテゴリ分割(英: Category-Partition)は、テスト対象システムの入力ドメインをサブドメインに分割できるという考え方に基づく機能テスト手法である。
本稿では、グラフィカルユーザインタフェースツールのサポートにより、可能な限り多くのステップを自動化しようとする試みについて報告する。
- 参考スコア（独自算出の注目度）: 0.1421397337947365
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Category-Partition is a functional testing technique that is based on the idea that the input domain of the system under test can be divided into sub-domains, with the assumption that inputs that belong to the same sub-domain trigger a similar behaviour and that therefore it is sufficient to select one input from each sub-domain. Category-Partition proceeds in several steps, from the identification of so-called categories and choices, possibly constrained, which are subsequently used to form test frames, i.e., combinations of choices, and eventually test cases. This paper reports on an ongoing attempt to automate as many of those steps as possible, with graphical-user interface tool support. Specifically, the user interface allows the user to specify parameters as well as so-called environment variables, further specify categories and choices with optional constraints. Choices are provided with precise specifications with operations specific to their types (e.g., Boolean, Integer, Real, String). Then, the tool automates the construction of test frames, which are combinations of choices, according to alternative selection criteria, and the identification of input values for parameters and environment variables for these test frames, thereby producing test cases. The paper illustrates the capabilities of the tool with the use of nine different case studies.
- Abstract（参考訳）: カテゴリー分割(英: Category-Partition)は、テスト対象のシステムの入力ドメインをサブドメインに分割できるという考え方に基づく機能テスト手法である。
カテゴリー分割はいくつかのステップで進み、いわゆるカテゴリと選択の識別から、おそらく制約があり、後にテストフレーム、すなわち選択の組み合わせ、そして最終的にはテストケースを形成するために使用される。
本稿では、グラフィカルユーザインタフェースツールのサポートにより、可能な限り多くのステップを自動化しようとする試みについて報告する。
具体的には、ユーザインターフェースによって、ユーザはパラメータやいわゆる環境変数を指定でき、オプションの制約でカテゴリや選択を指定できる。
選択は、それらのタイプ固有の操作(例えば、Boolean、Integer、Real、String)で正確な仕様が提供される。
そして、代替選択基準に従って選択の組み合わせであるテストフレームの構築を自動化し、これらのテストフレームに対するパラメータと環境変数の入力値の識別を行い、テストケースを生成する。
本論文では,9種類のケーススタディを用いて,ツールの機能について述べる。
関連論文リスト
- Methodology for Test Case Allocation based on a Formalized ODD [0.4349640169711269]
本稿では,既存のオペレーショナル・デザイン・ドメイン(ODD)の形式化を図解し,拡張することにより,様々なテスト環境に対するテストケース割り当ての適合性を評価する手法を提案する。
結果として生成されたコンストラクトは、ODDパラメータと追加のテスト属性を統合して、所定のテスト環境に関連する機能をキャプチャする。
論文 参考訳（メタデータ） (2025-09-02T13:33:24Z) - OpenCat: Improving Interoperability of ADS Testing [5.043563227694138]
本稿では,ADAS回帰テストのためのベンチマークであるSensoDatの相互運用性を評価する。
我々はOpenDRIVEテストケースをCatmull-Romスプラインフォーマットに変換するコンバータOpenCatを紹介する。
SensoDatデータセットにOpenCatを適用することで、テストケースを再利用可能な道路シナリオに変換する上で、高い精度を実現しました。
論文 参考訳（メタデータ） (2025-02-11T17:23:52Z) - Meta-Instance Selection. Instance Selection as a Classification Problem with Meta-Features [0.0]
本研究は,インスタンス選択過程を統一されたメタ機能空間で行われる分類タスクに変換するアプローチを提案する。
提案手法は,計算複雑性を著しく低減しつつ,参照インスタンス選択法に匹敵する結果が得られる。
論文 参考訳（メタデータ） (2025-01-20T15:08:19Z) - Adaptive Parametric Prototype Learning for Cross-Domain Few-Shot
Classification [23.82751179819225]
本稿では,メタラーニング・コンベンションの下で新しい適応パラメトリックプロトタイプ学習法(APPL)を開発した。
APPLは多くの最先端のクロスドメイン・ショット・ラーニング手法よりも優れた性能が得られる。
論文 参考訳（メタデータ） (2023-09-04T03:58:50Z) - APANet: Adaptive Prototypes Alignment Network for Few-Shot Semantic
Segmentation [56.387647750094466]
Few-shotのセマンティックセマンティックセマンティクスは、指定されたクエリイメージに、ラベル付きサポートイメージのみで、新規クラスのオブジェクトをセグメントすることを目的としている。
ほとんどの高度なソリューションは、各クエリ機能を学習したクラス固有のプロトタイプにマッチさせることでセグメンテーションを実行するメトリクス学習フレームワークを利用している。
本稿では,クラス固有およびクラス非依存のプロトタイプを導入することで,適応型プロトタイプ表現を提案する。
論文 参考訳（メタデータ） (2021-11-24T04:38:37Z) - Automated Supervised Feature Selection for Differentiated Patterns of
Care [5.3825788156200565]
パイプラインには、上位K機能を選択するためのフィルタ、ラッパー、埋め込みの3つのタイプの機能選択テクニックが含まれていた。
選択された特徴は, 既存の多次元サブセットスキャン(MDSS)において, 最も異常なサブセット, ほとんど異常なサブセット, 確率スコア, 測定結果が記録された。
論文 参考訳（メタデータ） (2021-11-05T13:27:18Z) - Seeking Similarities over Differences: Similarity-based Domain Alignment
for Adaptive Object Detection [86.98573522894961]
本研究では,Unsupervised Domain Adaptation (UDA) アルゴリズムが検出に使用するコンポーネントを一般化するフレームワークを提案する。
具体的には、最適な設計選択を生かした新しいUDAアルゴリズムViSGAを提案し、インスタンスレベルの特徴を集約する単純だが効果的な方法を提案する。
類似性に基づくグループ化と対角トレーニングの両方により、モデルでは、ゆるやかに整列されたドメインにまたがるすべてのインスタンスにマッチせざるを得ず、機能グループを粗い整列することに集中することが可能であることが示されています。
論文 参考訳（メタデータ） (2021-10-04T13:09:56Z) - Few-shot Learning for Unsupervised Feature Selection [59.75321498170363]
教師なし特徴選択のための数ショット学習法を提案する。
提案手法では,未ラベルのターゲットインスタンスがいくつかある場合,対象タスクで関連する特徴のサブセットを選択することができる。
提案手法が既存の特徴選択法より優れていることを示す。
論文 参考訳（メタデータ） (2021-07-02T03:52:51Z) - I^3Net: Implicit Instance-Invariant Network for Adapting One-Stage
Object Detectors [64.93963042395976]
暗黙のInstance-Invariant Network(I3Net)は、ワンステージ検出器の適応に適しています。
i3netは、異なる層における深い特徴の自然な特徴を利用してインスタンス不変な特徴を暗黙的に学習する。
実験によると、I3Netはベンチマークデータセットの最先端のパフォーマンスを上回っている。
論文 参考訳（メタデータ） (2021-03-25T11:14:36Z) - MeGA-CDA: Memory Guided Attention for Category-Aware Unsupervised Domain
Adaptive Object Detection [80.24165350584502]
カテゴリ対応ドメイン適応のためのメモリガイドアテンションを提案する。
提案手法は,カテゴリー分類器を用いてカテゴリ認識特徴のアライメントを保証する。
この方法はいくつかのベンチマークデータセットで評価され、既存のアプローチを上回ることが示されています。
論文 参考訳（メタデータ） (2021-03-07T01:08:21Z) - Cross-domain Detection via Graph-induced Prototype Alignment [114.8952035552862]
カテゴリレベルのドメインアライメントを求めるグラフ誘発プロトタイプアライメント(GPA)フレームワークを提案する。
さらに,クラス不均衡がドメイン適応に与える影響を軽減するために,クラス重み付きコントラスト損失を設計する。
我々のアプローチは、既存の手法よりも顕著なマージンで優れています。
論文 参考訳（メタデータ） (2020-03-28T17:46:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。