摘要：活动应用程序能仅仅通常存取存储器的有限数量。记忆的不适当的使用能引起记忆泄漏，它可以导致性能减速或甚至原因应用程序出人意料地被打死。尽管研究的大身体被奉献了进在漏缝被发现了以后，诊断技术的存储器泄漏，起初发现存储器泄漏现象仍然是挑战性的。测试是为失败发现的最广泛地使用的技术。然而，传统的测试技术没为记忆泄漏的发现被指导。他们可以在严峻的不大可能的漏实行上花大量时间能因此低效。处理这个问题，我们建议一条新奇途径根据他们的可能性的优先考虑测试用例在一间给定的测试套房引起记忆泄漏。决定每测试是否能潜在地在选择代码特征上基于机器学习导致记忆泄漏第一造一个预言模型。为每个输入测试用例，然后，我们部分运用它得到它的代码特征并且预言它的可能性的引起漏缝。最可疑的测试用例将被建议起初跑以便尽快揭示记忆泄漏差错。几个机器人应用程序上的试验性的评估证明我们的途径是有效的。

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）