一种融合聚类算法和多样性的测试用例优先级排序方法

本发明公开了一种融合聚类算法和多样性的测试用例优先级排序方法，步骤如下：采用预训练的深度神经网络模型对训练集和构建的新测试集进行特征提取，得到两个数据特征集；使用聚类算法对训练集的数据特征进行聚类分析，并依据聚类结果预测新测试集中每个测试样本所属簇；计算每个测试样本的数据特征与其所属簇的中心之间的余弦相似度；提取测试集中每个测试样本的特征向量，计算每个测试用例集群的标准差；对余弦相似度和标准差进行归一化处理，并将两者按权重加权，生成最终的测试用例优先级排序列表。本发明的方法在有限资源下筛选出尽可能多的能检测出深度神经网络模型故障的测试用例，在减少测试标记成本的同时，提高测试的效率。