W 模型


W 模型:相对于 V 模型更科学,开发和测试基本并行开展,有利于及时发现问题;增加了软件各开发阶段中应同步进行的验证和确认活动,明确表示了测试和开发的并行关系

缺点:

仍然把开发看成是从需求开始到编码结束的串行活动,只有上一阶段完成后,才开始下一阶段的活动,不能支持迭代,自发性以及变更调整

H 模型


H 模型:将测试活动分离出来,形成一个完全独立的流程,将测试准备活动和测试执行活动清晰地体现出来

特点:

1、测试是一个独立的过程;

2、测试达到准入条件,才可以执行;

3、测试对象是整个产品包,而不仅仅是程度、需求或相关说明书;

缺点:

对测试造成人力、物力、财力的浪费,对测试员的熟练程度要求比较高

X 模型


X模型:左边描述的是针对单独程序片段所进行的,相互分离的编码和测试,此后将进行频繁的交接,通过集成最终形成可执行的程序,再对这些可执行程序进行测试。

其中,己通过集成测试的成品,可以进行封装并提交给用户,也可以作为更大规模和范围内集成的一部分。多条并行的曲线表示变更可以在各个部分发生。

除此之外,X模型还定位了探索性测试,这是不进行事先计划的特殊类型的测试,这一方式,往往能帮助有经验的测试人员在测试计划之外发现更多的软件错误。

缺点:

可能对测试造成人力、物力和财力的浪费,对测试员的熟练程度要求比较高。

以上就是本篇文章所要分享的内容,欢迎各位大牛指正。你的指正,能让我在测试之路上快速成长。

Leo Never Stop Fighting!

软件测试模型-其他模型(W模型|H模型|X模型)相关推荐

  1. 软件测试V、W和H模型的优缺点

    软件测试有三种模型,分别是V模型,W模型和H模型.每种模型都有自己的优点和缺点. V模型 V模型如下图所示: V模型的优点 V模型明确地标识出了在开发过程中一般应完成的测试级别,以及这些测试级别与代码 ...

  2. TF:利用TF的train.Saver将训练好的W、b模型文件保存+新建载入刚训练好模型(用于以后预测新的数据)

    TF:利用TF的train.Saver将训练好的W.b模型文件保存+新建载入刚训练好模型(用于以后预测新的数据) 目录 输出结果 代码设计 输出结果 代码设计 import tensorflow as ...

  3. 无线电能传输LCL-S拓扑/WPT MATLAB/simulink仿真模型 (模型左边为两电平H桥逆变器,LCL-S串联谐振,右边不可控整流结构)

    无线电能传输LCL-S拓扑/WPT MATLAB/simulink仿真模型 (模型左边为两电平H桥逆变器,LCL-S串联谐振,右边不可控整流结构) [控制方法]:有用滑模控制移相控制和用PI控制的两种 ...

  4. 一个简洁的小H车调运模型

    一个简洁的小H车调运模型 不久前, 帝都B城市到处都是小H车, 理想的小H车应该是布朗运动\均匀分布,可是现实上它们就是不均匀.于是有如下问题: 观察帝都 HD区SY村区域,将其划分成10个用车点,用 ...

  5. 精算模型1 一元生存分析2 参数生存模型

    精算模型1 一元生存分析2 参数生存模型 均匀分布 (de Moivre 1724) 指数分布 Gompertz分布 (1825) Makeham分布 (1860) Weibull分布 (Freche ...

  6. 逻辑斯谛回归模型( Logistic Regression,LR) 最大熵模型(Max Entropy,ME)

    文章目录 1. Logistic Regression 模型 1.1 logistic 分布 1.2 二项逻辑斯谛回归模型 1.3 模型参数估计 1.4 多项逻辑斯谛回归 1.5 Python代码 2 ...

  7. Keras 之 LSTM 有状态模型(stateful LSTM)和无状态模型(stateless LSTM)

    目录 1. 区别 2. 例子 3. 疑问解答 4. 实战 1. 实例1:官方的example--lstm_stateful.py 2.  实例2:用Keras实现有状态LSTM--电量消费预测 3.  ...

  8. 在线部分:werobot服务、主要逻辑服务、句子相关模型服务、BERT中文预训练模型+微调模型(目的:比较两句话text1和text2之间是否有关联)、模型在Flask部署

    日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新) 智能对话系统:Unit对话API 在线聊天的总体架构与工具介绍 ...

  9. 憨批的语义分割4——pspnet模型详解以及训练自己的pspnet模型(划分斑马线)

    憨批的语义分割4--pspnet模型详解以及训练自己的pspnet模型(划分斑马线) 注意事项 学习前言 模型部分 什么是pspnet模型 pspnet模型的代码实现 1.主干模型Mobilenet. ...

  10. 从DSSM语义匹配到Google的双塔深度模型召回和广告场景中的双塔模型思考

    ▼ 相关推荐 ▼ 1.基于DNN的推荐算法介绍 2.传统机器学习和前沿深度学习推荐模型演化关系 3.论文|AGREE-基于注意力机制的群组推荐(附代码) 4.论文|被"玩烂"了的协 ...

最新文章

  1. 提高智能家居设备的兼容性
  2. LeetCode: 387. First Unique Character in a String
  3. 生成和合入patch的两种方式
  4. 你真的了解低代码平台吗?
  5. VMWare虚拟系统上网设置及VMWare虚拟机三种工作模式详解
  6. 技术·融合·治理|众享链网试运行总结暨正式运行发布会预告
  7. linux如何压缩磁盘,Linux初级运维(十二)——磁盘及文件系统管理
  8. 数据分析数据可视化(三)
  9. visio2007序列号
  10. 主机安全加固终端安全管理
  11. HDLBits学习------Problem 106~114
  12. java工作描述怎么写,太厉害了!
  13. 柯洁预言AI绘画会替代大部分画师,网友:初代AI受害者现身说法
  14. mac 完全卸载android,Mac彻底卸载Android Studio
  15. 叮咚,ps术语请查收~
  16. 编译原理复习四:编译器结构 消除左递归、左公因子 最右推导 寻找句柄讲解(附题目和答案)
  17. bravado哺乳内衣 这款哺乳胸罩,越早买越好,别等到下垂涨奶才知道后悔!
  18. w10计算机怎么恢复出厂设置路由器,Windows10系统重置无线wifi出厂设置的方法
  19. Android解耦库EventBus的使用和源码分析
  20. 微信小程序:全新独家云开发微群人脉

热门文章

  1. Docker学习总结(37)——Dockerfile编写的八条准则
  2. 项目管理学习总结(5)——产品开发过程中各角色职责说明和技能要求
  3. 计算机行业深度分析,广发证券计算机行业深度分析
  4. python编程技巧1002python编程技巧_总结Python编程中三条常用的技巧
  5. python企业微信特定用户_python3调用企业微信api!开发一款属于自己的企业微信...
  6. 线程打印_经典面试题——两个线程交替打印奇数和偶数
  7. HNOI2019退役记
  8. SpringBoot之使用(一)
  9. 《PIC微控制器项目设计:C语言》一第2章 mikroC Pro for PIC编程语言
  10. C++菱形继承逆向分析