基于模糊评价与自适应修正模型的软件质量评价

《基于模糊评价与自适应修正模型的软件质量评价》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于模糊评价与自适应修正模型的软件质量评价　　建立了基于ISO/IEC9126标准的软件质量评价模型，采用构造隶属度函数的方法对质量评价标准进行模糊处理，并使用对单因素分配权值的方法解决多属性质量评价问题，同时通过ANFIS模型实现了相关参数的自适应调节，进一步提高了软件质量评价的客观性和科学性。　　【关键词】模糊评价软件质量修正模型评价研究　　随着科学技术的发展，软件在人们的生产生活中占据了重要的地位，软件质量的优劣越来越受到人们的关注。对软件质量给出客观、科学的评价对评价和控制软件产品十分必要，但是软件的不可见性和复杂性增大了对软件质量评价的难度。事实

2、上，由于认识水平有限，人们在评价软件是否好用时，有具有片面性和模糊性。　　本文基于ISO/IEC9126软件质量评价标准，提出一种基于模糊评价与自适应修正模型的软件质量评价方法以提高软件质量评价的可信度和准确度。　　1软件质量评价体系　　ISO/IEC9126标准分为高、中、低三层，分别对应软件的特性、子特性和度量。软件质量用6个特性表示，即可靠性、功能性、可维护性、可用性、可移植性和效率。特性由若干子特性表示，子特性由相关的度量组成，度量再分解为指标和数据项。通过指标公式计算出指标值并判断其质量。　　传统的评价指标值质量的方法举例如下：首先将指标质量划分

3、为若干级别，如（优，及格，差）；再根据专家知识确定指标的阈值（x1，x2，x3，x4），即当指标值U∈（x1，x2）时指标质量被认定为差，U∈（x2，x3）时及格，U∈（x3，x4）时为差。　　2模糊评价方法　　2.1单级模糊评价方法　　传统的评价方法存在以下缺点：　　（1）忽略了软件质量的渐变性，同一个质量等级的软件质量差异大。　　（2）指标的阈值基于专家经验，不具备严格的客观性。模糊评价利用隶属度函数使清晰质量边界模糊化，使评价结果更符合实际情况。模糊评价法举例如下：　　现对在某一开发阶段的软件的“功能失效率U”进行评价，指标U等于已失效功能点与原有功

4、能点的比率。设清晰的质量等级划分如表1所示，并构造的隶属度函数U（x）。　　假设对于“功能失效率”这一指标的阈值为（0，0.05，0.1，0.2，1），即x1=0，x2=0.05，x3=0.1，x4=0.2，x5=1；中心值c1=0.025，c2=0.075，c3=0.15，c4=0.6。假设测试数据x=0.12，代入上式计算得U1（x）=0，U2（x）=0.6，U3（x）=1，U4（x）=0，即该软件在“功能失效率”上表现为“优”的隶属度是0，为“良”的隶属度是0.6，为“中”的隶属度是1，为“差”的隶属度是0。通过模糊评价法，指标质量不被直接划分至某个

5、等级内，而是通过在各个等级内的隶属度来表示，这种评价方式符合软件质量的渐变性，可以清楚地描述指标质量的变化趋势。　　2.2多层次模糊?u价　　对某一特性的质量评价依赖于对其包含的子特性的质量评价，而对子特性的质量评价依赖于对其包含的指标质量评价，即对软件质量进行评价是一个多层次、多属性决策问题，因此可以结合分层分析以及分配权重的方法解决。　　假设某一子特性包含n个指标，每个指标质量均划分为m个等级，用（ri1，ri2，...，rim）（i=1，2，...，n）作为第i个指标质量评价，则该子特性的质量评价可以组成m行n列的矩阵R。对于不同功能和不同应用背景的

6、软件，利用专家经验对各指标分配权重，并将权重值归一化处理后得到各指标的权重分配ω=（ω1，ω2，...，ωn）。对该子特性的综合评价由下式可得：　　A=ω?R=（a1，a2，...，am）　　例如，软件测试执行效率由UT用例执行效率、IT用例执行效率、ST用例执行效率三项指标综合度量。指标的质量等级分为“优”、“中”、“及格”、“差”，三项指标的质量　　专家知识给出指标权重分配ω=（0.2，0.4，0.4），则软件测试执行效率的质量评价结果是：　　A=ω?R=（0.664，0.362，0.3048，0.2668）　　即该软件测试执行效率为“优”的隶属度是0

7、.664，为“中”的隶属度是0.362，为“及格”的隶属度是0.3048，为“差”的隶属度是0.2668。　　此外，这种分配权重的方法同样适用于软件的特性的质量评价。　　2.3基于专家知识的自适应修正模型　　模糊评价法较为成功地解决了软件质量难以评价的问题，但是，基于专家经验确定的隶属函数的形状以及指标阈值带有较大的主观性，往往导致偏差，因此，根据文献[2]，采用一种基于专家知识的自适应神经推理模型（ANFIS）对各子特性、指标项的权重系数以及指标阈值进行修正。ANFIS是一种修正模型，具有自学习特性，需要初始训练数据进行学习，即用通过模糊评价方法获取的用

8、于质量评价模型的训练数据对ANFIS进行训练，训练成功的ANFIS