排序方式： 共有5条查询结果，搜索用时 15 毫秒
1
1.
功能规模度量(Functional Size Measurement,FSM)方法是软件度量的一个重要研究方向。度量组织为了满足不同用户的需求,可以使用FSM的不同方法来度量软件的规模。为了能够同时运用FSM的多种方法进行度量,通过分析FSM的3种常用方法(IFPUG FPA、COSMICFFP和MarkII FPA),提出了功能规模度量统一模型(Unified Model of Functional Size Measure-ment,FSM-UM),并给出了FSM-UM到FSM的3种常用方法的映射规则,最后给出了一个FSM-UM的应用实例。 相似文献
2.
针对我国工业增加值存在季节波动性等外部因素影响其预测准确性不高的问题,提出了一种基于灰色BP神经网络的工业增加值预测算法,即采用以我国2008~2017年各季度工业增加值数据作为时间序列建立的灰色BP神经网络预测模型进行预测。结果表明,采用灰色BP神经网络组合模型预测的精度较灰色模型和BP神经网络模型精度分别提升了0.94%~4.98%和0.01%~0.08%,稳定性分别提升了1.43%~2.97%和0.03%~0.05%。此实验结果验证了灰色BP神经网络组合模型可以有效预测我国工业增加值的发展趋势,进而为政府部门制定工业发展政策提供有效依据。 相似文献
3.
COSMIC-FFP是新一代软件功能规模度量方法,但由于其规则过于抽象导致较难推广。本文研究UML顺序图的COSMIC-FFP度量方法,通过给出COSMIC-FFP与UML顺序图概念之间的对应关系,提出了贯穿于整个度量过程的11条规则和从UML顺序图到度量结果矩阵的度量过程。通过实例验证了所提方法能使COSMIC-FFP更具有实用性。 相似文献
4.
为了提高软件的可靠性,人们一直在形式化验证和软件测试两个方面进行不懈的努力.本文利用划分测试中的自动分割替代技术,针对循环程序的输入域,提出了一种划分算法,并在此算法的结果上建立一种划分归纳方法,它能简化循环程序的形式化验证过程. 相似文献
5.
传统粒子群算法运行机理是通过粒子群全局最优和自身经验最优来搜索最优位置,不断迭代进化,以此趋近最优解,但该算法共享信息的局限性使其容易陷入局部最优.针对传统粒子群算法的不足,提出了共享历史最优搜索信息的粒子群算法.该粒子群体在搜索过程中,共享算法本次运行的种群个体历史最优信息、当前全局最优信息,及前几次运行过程中的种群个体历史最佳信息.通过5个经典函数的仿真实验测试,验证了该算法具有较强的全局搜索能力和收敛性. 相似文献
1
