6月25日，国际计算机视觉与模式识别会议（The ACM SIGSOFT International Symposium on Software Testing and Analysis,ISSTA 2026）录用结果正式公布。李征教授团队的研究论文《Signal Denoising based Kill Matrix Refinement for Mutation-based Fault Localization》被成功录用。ISSTA是软件工程领域最具影响力的国际顶级会议之一，2026年ISSTA共收到888篇有效投稿，最终推荐录用210篇论文，整体录用率为23.6%。
该论文聚焦于基于变异的软件错误定位MBFL (Mutation-based Fault Localization)中变异分析关系构建环境测试用例与变异体之间存在干扰错误定位精度的杀死关系问题。针对干扰性杀死关系难以识别，以及传统动态分析方法识别开销大等核心挑战，作者创新性地应用信号处理理论，将杀死关系矩阵建模为二维信号，提出一种基于信号滤波的两阶段杀死关系矩阵精炼方法DKMR (Denoising-based Kill Relationship Matrix Refinement)，通过信号增强和信号去噪两个阶段，降低杀死关系矩阵中的干扰关系对错误定位结果的影响。
DKMR精炼杀死矩阵前后及其错误定位结果变化的示例图
团队在软件错误定位领域的权威基准数据集Defects4J（包含17个项目、835个真实错误）上对DKMR进行了大规模实证评估。实验结果表明，DKMR能够在仅增加MBFL极小开销的情况下，有效降低干扰性杀死关系的影响，从而显著提升其错误定位精度。
该论文第一作者为信息学院2022级博士研究生刘恒源，李征教授和刘勇教授联合指导。北京化工大学为论文第一完成单位。
论文下载网址：https://arxiv.org/pdf/2511.22921