一种在GQM度量方法中的决策机制研究

软件度量在软件开发过程和软件产品中具有重要作用。GQM(Goal-Question-Metric Approach)模型是当前使用较为广泛的一种软件度量手段,它通过对目标的一系列问题的回答最终实现对软件开发过程的控制和评估。针对GQM中没有提及如何客观地将组织的目标归纳和分解为度量指标这一缺陷,提出一种利用德尔菲法和PUGH矩阵的决策机制,对众多分解的度量指标进行筛选,最终形成GQM模型的问题和度量元,并结合实际实践进行分析和验证。实践表明该决策机制能够有效地形成GQM度量计划,从而指导软件开发过程和软件产品质量的提升。     

需求管理关键过程域的度量

GQM(Goal-Question-Metric)模型是一种面向目标的定义度量的方法,在软件度量中被广泛采用。文章利用GQM方法,对CMM二级中的关键过程域“需求管理”过程域进行了研究,提出了三个度量目标并介绍了各度量目标下的问题和度量。     

软件缺陷移除效率及其测量

软件缺陷移除在任何软件项目中都是开销最大的活动,并在很大程度上影响项目进度,因而对缺陷移除效率的测量成为软件开发组织最为重要的一项软件质量度量.为此通过矩阵的方法来记录缺陷起源和缺陷发现阶段的数据,得出了缺陷移除效率的操作定义,并定义了阶段缺陷移除效率、全面缺陷移除效率、审查效率和测试效率的计算公式.     

基于GQM的软件体系结构适应性度量方法研究*

基于GQM方法,结合当前的研究现状,根据实际需要,提出了一个新的面向过程的软件体系结构适应性度量方法.该方法在GQM方法的基础上,提出了面向过程的度量方法建模步骤,引入数据项分层和确认分层,增加了度量的结构化描述,定义了新的度量指标并提出了基于区间AHP和DEA的决策方法,对GQM方法进行了进一步的扩展和改进.     

基于软件配置管理的度量研究

软件配置管理(SCM)是软件开发过程中控制软件产品演化的重要质量保障活动，基于SCM进行度量可以量化的分析软件系统的演化，对提高软件质量和生产效率有重要作用。本文首先根据SCM的管理范畴．阐述了基于SCM度量的三方面的内容；接着我们以SCM的变更管理为基础，介绍了软件组织如何使用GQM方法获取度量指标。并且着重分析了如何收集变更过程中的度量数据，我们提出了一种简单易行的方法——CR-Delta方法。最后我们介绍了在一个面向企业的过程支持系统CPMS中SCM的度量的自动化实现过程。     

浅谈软件过程度量及技术

本文介绍了在软件工程中的度量问题,特别是过程度量的问题.介绍了它的定义和它的用途,并着重介绍了过程度量的方法,如,GQM法、COCOMO模型、功能点模型等.对以后解决软件度量方面的问题有很大帮助.     

浅谈软件过程度量及技术

本文介绍了在软件工程中的度量问题，特别是过程度量的问题。介绍了它的定义和它的用途，并着重介绍了过程度量的方法，如，GQM法、COCOMO模型、功能点模型等。对以后解决软件度量方面的问题有很大帮助。     

基于ODC的软件缺陷度量研究

从正交缺陷分类(orthogonal defect classification,ODC)出发,介绍在缺陷度量前需要收集的缺陷数据信息,阐述了缺陷属性的具体分类,然后从单维度和多维度两个角度介绍了如何利用ODC的缺陷属性进行度量分析,并给出了软件组织应用ODC的流程,最后提供了正交缺陷分类方法的应用实例,为缺陷度量的应用研究提供了一种思路。     

基于GQM模型的软件项目进度的度量过程

把QGM(Quality Goal Metric)模型引入到软件项目进度的度量过程中，使得软件过程的进度具有可控性、可测性。介绍了GQM模型，并且基于一个实际的甘特图实例，给出了详细的GQM度量计划、度量构造，最后得出相应的度量指示器，分析、总结度量结果。     

一种面向对象软件缺陷的早期预测方法

软件过程早期的缺陷预测技术可以辅助软件工程决策,从而提高软件开发与测试的质量。针对面向对象软件,提出一种以分析设计模型的度量经验数据建立缺陷回归预测模型的方法,其中模型的建立使用了一种新形式的支持向量回归算法ν-SVR。为了检验缺陷预测模型的实用价值,使用了来自真实世界的Eclipse项目三个版本的度量与缺陷数据集作为模型实验的训练集与测试集。结果表明,基于面向对象分析设计模型度量建立的缺陷回归预测模型可以在生命周期早期给出有效的缺陷数预测值,从而为软件工程实践提供支持。     

基于CMMI的软件测试过程度量研究

对软件测试过程的度量能够提高软件测试的有效性,保证软件的质量.通过CMMI与软件测试、度量的分析,提出了基于CMMI的软件测试过程模型,并以此为基础对软件测试过程度量元的有效选取进行了研究.建立了CMMI与GQM的映射关系模型,提出了度量元的选取原则,以一个应用案例证明了研究结果的可行性.     

众测中的工作者选择方法研究

众测是一种新兴的软件测试方法,它依靠网络上的工作者帮助完成测试任务.对于某个测试任务来说,谁来执行对于发现缺陷以及覆盖测试需求关键点是至关重要的.然而众测平台上一般有大量的候选工作者,他们拥有不同的测试经验,也常常提交重复的测试报告.由于众测工作者随机地参与测试任务,同时满足较高缺陷检测率和较高测试需求关键点覆盖度是很困难的.因此,该文关注如何为新的测试任务选择一组合适的众测工作者,从而提高缺陷检测率和需求关键点覆盖度.首先设计了3个实验,试图发现选择什么样的众测工作者能够提升缺陷检测率和需求关键点覆盖度.通过实验验证,发现众测工作者的主动性、相关性和多样性从不同的角度影响测试质量,并且给出了它们的度量方法.然后,提出一种同时考虑这3个方面工作的选择方法.基于众测平台之一——百度众测上46个真实的测试任务对该方法进行了验证,结果显示,该方法能够显著提高缺陷检测率和测试需求关键点覆盖度.     

基于代码自然性的切片粒度缺陷预测方法

软件缺陷预测是软件质量保障领域的一个活跃话题,它可以帮助开发人员发现潜在的缺陷并更好地利用资源.如何为预测系统设计更具判别力的度量元,并兼顾性能与可解释性,一直是人们致力于的研究方向.针对这一挑战,提出了一种基于代码自然性特征的缺陷预测方法——CNDePor.该方法通过正逆双向度量代码和利用质量信息对样本加权的方式改进语言模型,提高了模型所得交叉熵（CE）类度量元的缺陷判别力.针对粗粒度缺陷预测存在难以聚焦缺陷区域、代码审查成本高的不足,研究了一种新的细粒度缺陷预测问题——面向语句的切片级缺陷预测.在此问题上,设计了4种度量元,并在两类安全缺陷数据集上验证了度量元和CNDePor方法的有效性.实验结果表明：CE类度量元具有可学习性,它们蕴涵了语言模型从语料库中学习到的相关知识;改进的CE类度量元的判别力明显优于原始度量元和传统规模度量元;CNDePor方法较传统缺陷预测方法和已有的基于代码自然性的方法有显著优势,较先进的基于深度学习的方法具有可比性性能和更强的可解释性.     

度量软件过程——改进软件过程

采集哪些软件数据？以及如何使用这些数据？长期以来一直困扰着积极实施SPI的软件企业。本文结合联想软件设计中心实施CMM2，CMM3的经验，阐述了在过程改进过程中为解决上述间题所采用的三种度量技术：GQM、SPC和80／20原理。     

测试集有效性评价：问题、进展与挑战

测试用例集的缺陷检测有效性指测试集能够在多大程度上检测出软件中存在的缺陷. 如何评价测试集的缺陷检测有效性是一个重要问题. 覆盖率和变异得分是两个最重要和最广泛使用的测试集有效性度量. 为量化测试集的缺陷检测能力, 研究人员对测试集有效性评价进行了大量研究并且取得了较大的进展. 与此同时, 现有研究存在不一致的结论, 该领域依然存在一些亟待解决的挑战. 对多年来国内外学者在测试集有效性评价领域的研究成果进行系统性的梳理和总结. 首先, 阐述测试集有效性评价研究中的问题. 然后, 介绍并分析基于覆盖率和基于变异得分的测试集有效性的评价以及介绍测试集有效性评价在测试集优化中的应用. 最后, 指出测试集有效性评价研究中面临的挑战并给出建议的研究方向.     

基于LDRA Testbed的软件静态测试研究与实现

介绍了软件静态测试的基本概念与方法,以及如何利用测试工具LDRA Testbed进行软件静态测试,并对LDRA Testbed的静态测试原理进行了研究。最后结合实例实现了使用LDRA Testbed对C代码进行静态测试,并得到了静态测试质量报告、度量报告。     

基于UML状态图的类测试技术

针对基于状态的类测试技术缺陷检测率较低的问题,提出一种使用等价类划分和边界值分析等功能性测试方法构建UML状态图的方法,描述基于W方法的测试序列生成策略,使用Mujava变异工具对方法的有效性进行检测。实验结果表明,该测试策略具有较高的缺陷检测率。     

基于软件度量的Solidity智能合约缺陷预测方法

随着区块链技术的兴起,智能合约安全问题被越来越多的研究者和企业重视,目前已有一些针对智能合约缺陷检测技术的研究.软件缺陷预测技术是软件缺陷检测技术的有效补充,能够优化测试资源分配,提高软件测试效率.然而,目前还没有针对智能合约的软件缺陷预测研究.针对这一问题,提出了面向Solidity智能合约的缺陷预测方法.首先,设计了一组针对Solidity智能合约特有的变量、函数、结构和Solidity语言特性的度量元集(smart contract-Solidity, SC-Sol度量元集),并将其与重点考虑面向对象特征的度量元集(code complexity and features of object-oriented program, COOP度量元集)组合为COOP-SC-Sol度量元集.然后,从Solidity智能合约代码中提取相关度量元信息,并结合缺陷检测结果,构建Solidity智能合约缺陷数据集.在此基础上,应用了7种回归模型和6种分类模型进行Solidity智能合约的缺陷预测,以验证不同度量元集和不同模型在缺陷数量和倾向性预测上的性能差异.实验结果表明,相对于COOP度量元集...     

基于缺陷度量追踪测试工作的执行

软件的缺陷度量对于显示测试的进度,确保软件按时发布十分重要.基于缺陷度量的方法收集数据,为项目管理者有效地评估项目测试工作的进展情况和测试人员的工作效率提供了有用的信息,从而有效地追踪测试工作的执行.     

融合代码静态特征和频谱的软件缺陷定位技术

基于频谱的缺陷定位(spectrum-based fault localization, SBFL)通过分析测试用例的覆盖信息和执行结果信息进行快速定位,是目前最常用的缺陷定位技术。然而,该方法未能充分利用代码中隐含的语义和结构信息。若能将缺陷预测中使用到的代码结构信息和频谱信息融合使用,将有助于进一步提升缺陷定位的效果。为此,提出了一种融合代码静态特征和频谱的软件缺陷定位(fault localization combing static features and spectrums, FLFS)技术。首先,从Halstead等度量元集合中选取度量元指标并进行修改,以适用于度量代码的方法级特征;然后,根据选取的度量元指标提取程序中各个方法的静态特征并用于训练缺陷预测模型;最后,使用缺陷预测模型预测程序中各方法存在缺陷的预测可疑度,并与SBFL技术计算的频谱可疑度进行融合,以定位缺陷所在方法。为验证FLFS的有效性,将其与两种定位效果最好的SBFL技术DStar和Ochiai在Defects4J数据集上进行了对比实验。结果表明,FLFS具有更好的缺陷定位性能,对于E_inspe...