軟件度量決策系統(tǒng)的研究與實現(xiàn).pdf

1、隨著計算機的廣泛應用與普及,計算機軟件得到迅速的發(fā)展。然而,隨著軟件的不斷迭代升級,軟件的規(guī)模越來越大,其復雜度越來越高,質量也就越來越難以控制和把握。尤其對于軟件企業(yè)來說,面對強大的市場競爭,提高自身軟件產品的質量尤為重要。軟件度量提供一種量化的方法來改進軟件的開發(fā)過程和提高軟件質量。然而,現(xiàn)有的軟件度量方法,如面向結構的軟件度量、面向對象的軟件度量等,大都基于技術或者項目驅動的,不能滿足企業(yè)的實際度量需求。
　　結合軟件企業(yè)的

2、實際度量應用,提出了基于目標/問題/度量(GQM)的軟件度量決策系統(tǒng)。通過接入軟件研發(fā)過程中各種能反映過程和結果的數(shù)據(jù),依據(jù)一定的規(guī)則對數(shù)據(jù)進行轉換和計算,產生三維的軟件度量指標模型以及相應的度量報告。同時構建一系列度量指標與決策目標間的關系模型,用于做組織決策,從而可以合理分配資源以及改進開發(fā)過程,達到降低開發(fā)成本以及提高軟件質量的目的。決策目標一般是對軟件某一方面的評估,如軟件成本,軟件缺陷率,軟件工作量等。為了提高度量數(shù)據(jù)收集的全

3、面性,系統(tǒng)提供了自動和手動的數(shù)據(jù)收集方法。在度量指標設計方面,系統(tǒng)設計了三維的軟件度量指標體系:項目度量、產品度量及組織度量,用于組織級及項目級的決策。此外,系統(tǒng)提供了一種改進的基于RBF神經網絡的預測模型用于度量決策目標的預測。
　　系統(tǒng)應用于國內一家知名互聯(lián)網公司,實驗結果表明,軟件度量決策系統(tǒng)是有效的、可靠的和可操作的,同時相對于基于最近鄰聚類學習算法的RBF神經網絡模型,提出的基于密度聚類學習算法的RBF神經網絡模型有效提