一、软件开发过程的度量（论文文献综述）
赵严[1]（2021）在《军用软件测试过程度量模型研究》文中进行了进一步梳理现如今,军用软件及军用信息系统不断发展并且广泛应用于现代战场,军用软件的质量越来越受到人们的重视,军用软件质量的好坏有着非常重要的现实意义,它直接影响武器的质量和军事行动的成败。通过度量可以对度量的对象进行定量评估从而促进改进,目前大部分的研究集中在对软件产品进行度量,此时软件已交付为成品,此时进行度量发现问题为时已晚,违背了利用度量来推动改进的初衷,而软件测试在软件质量保证中一直扮演着重要角色,软件产品的质量对测试过程的质量有着很强的依赖性,而且测试工作进行在产品交付之前,此时发现问题仍然可以付出较小的代价进行改进,所以研究如何对测试的过程进行度量具有很重要的现实意义。本文的主要工作和创新点如下:（1）本文在充分分析已有测试过程模型的优势和不足的基础上,在相关国/军标的指导下提出了一种基于流程驱动的军用软件测试过程模型,涉及军用软件测试过程包含的四个子过程,为后续测试过程度量提供了重要的依据。（2）基于GQM模型对军用软件测试过程包含的四个过程进行完整的指标提取,构建了包含31个指标的度量指标体系,为过程数据的充分有效获取提供了指导。（3）在充分分析已有各类赋权方法的基础上,结合工程实际,分别选择了客观赋权法中的PCA法和主观赋权法中的AHP法,然后利用最小熵原理对两种方法求出的权重进行组合,提出了一种结合两种方法优势的组合赋权方法。实验表明,通过此度量模型进行测试过程度量得到的度量结果与真实情况非常接近,可以为军用软件改进提供一定的参考。
秦庆强,魏启国[2]（2020）在《结合软件开发过程的软件缺陷预测方法》文中提出针对现阶段软件缺陷预测模型缺乏考虑软件设计编写过程和开发人员本身对于软件缺陷影响的问题,从软件的开发过程出发,首先对软件需求设计阶段软件人因因素进行系统分析,然后结合Reason人因失误通用动态模型对软件开发过程中的人因失误分类进行系统总结,并结合当前软件工程开发的实际情况,详细分析了软件组织环境对于软件开发的影响。在此基础上,提出了软件开发过程度量元,将人因度量元纳入软件缺陷预测活动中,并构造了基于软件开发过程的软件缺陷预测模型框架。在Apache开源项目中的实际案例证明提出的人因度量元是有效的,且能明显提升缺陷预测活动效率。
姜丽[3]（2020）在《面向演化项目的缺陷预测技术研究》文中研究说明软件开发不是一蹴而就的,软件将长期处于运行且持续演化的阶段。在软件演化过程中,对源代码进行修改可能会导致缺陷的产生,软件演化的过程其实就是软件不断引入缺陷和消除缺陷的过程。对于演化项目而言,维护困难且代价大。面向演化项目的缺陷预测技术在历史版本缺陷数据集上构建缺陷预测模型,来预测当前待测版本各模块的缺陷情况。通过面向演化项目的缺陷预测技术,可以促进软件测试资源的合理分配,并指引发现软件开发中存在的问题,提高后续软件开发质量,研究面向演化项目的缺陷预测技术具有重要的理论意义与实用价值。国内外专家学者已经对软件缺陷预测领域的软件度量元、特征选择方法和缺陷预测模型构建方法等进行了大量的研究,但是,与传统的软件缺陷预测技术相比,面向演化项目的缺陷预测技术的研究仍不充分。本论文针对演化项目缺陷预测研究中存在的不足,提出了相应的研究方法。（1）针对各过程度量元对演化项目中缺陷引入和消除的影响程度尚不明确的问题,提出了一种过程度量元对缺陷引入和消除的影响程度分析方法。从两个角度比较分析了各过程度量元对演化项目中缺陷情况变化的影响程度,包括各过程度量元与缺陷情况变化之间的相关性和各过程度量元对缺陷引入和消除的分类性能。实验结果表明开发人员数目度量元对缺陷情况变化起着非常重要的作用,另外,还对软件开发和软件缺陷预测提出了一些建议。（2）针对演化项目缺陷预测中未充分考虑数据分布差异和无关特征的影响的问题,提出了一种基于实例选择和特征选择的面向演化项目的缺陷预测方法。其中,实例选择缓解了历史版本数据集和当前待测版本数据集之间的数据分布差异问题,特征选择移除了数据集中的无关特征。在实例选择阶段,采用欧氏距离计算实例之间的相似性,从上一版本数据集中选出待测版本的每个模块实例的近邻实例,组成训练集。在特征选择阶段,提出了一种基于排序集成的特征排序算法,以取特征权重的平均值为集成策略,集成了三种经典的特征排序方法,根据特征权重得到特征排序列表,选取排名靠前的特征,移除无关特征。实验验证了实例选择和特征选择对面向演化项目的缺陷预测的有效性,且实验结果表明,与实例选择相比,特征选择对面向演化项目的缺陷预测性能的提升影响更大。（3）设计并实现了一个面向演化项目的缺陷预测工具DPTEP,该工具实现了基于实例选择和特征选择的面向演化项目的缺陷预测方法,通过该工具,用户可以配置参数并查看预测结果。该论文有图21幅,表20个,参考文献94篇。
杨军[4]（2020）在《基于CMMI的Y公司软件开发流程优化研究》文中进行了进一步梳理随着锂电池的广泛应用,市场竞争日趋激烈,物联网的发展促进了电池管理系统智能化的发展,软件成为锂电池应用产品开发企业的核心竞争力。如何进行有效的软件开发过程管理是提高软件质量和缩短软件开发周期的关键因素。Y公司产品软件以嵌入式轻量级软件开发为主,客户对于软件质量和安全性要求越来越高,市场变化导致软件需求变化的情况不断增加,客户对交货时间以及软件更新周期的要求越来越短,Y公司现有软件开发管理流程难以应对快速的市场变化和客户需求。基于Y公司实际情况,选择参考CMMI模型,按照IDEAL模型中五个阶段启动并有序推进整个流程优化工作。在每个阶段中采用PDCA指导各项具体工作的执行和持续改进,并结合WSR方法论从物理、事理、人理三个维度思考如何使流程落地的问题。将IDEAL,PDCA和WSR三种方法有机结合用以指导软件开发流程优化工作,从流程优化策略、流程优化战略行动计划、过程体系框架、软件生命周期模型、研发主流程、体系指导方针和组织架构和团队指南等方面展开研究并完成了流程优化总体方案设计。依据总体设计方案,通过实现对CMMI模型中的项目管理类、工程类、支持类、组织过程管理过程域这四大过程域优化方案的详细设计,完成了Y公司软件开发流程优化详细设计方案,然后展开试点并推广实施。通过统计软件缺陷、任务延期报警、项目进度和工作量等关键度量数据和使用问卷调查的方式评估新流程的实施效果,数据显示新流程实施后软件缺陷降低了30%,进度偏差小于10%,过程开展情况和实施效果调查评分提高了25%左右,证明了流程优化方案得以成功实施并使组织初步具有了持续改进的能力。
张文舟[5]（2020）在《不完全监督软件缺陷预测技术研究》文中研究表明随着计算机技术的高速发展,软件的规模和复杂度在不断提升,软件缺陷带来的经济损失和测试代价十分之高,利用软件缺陷预测技术可以对有缺陷趋势的模块进行预测,帮助开发人员合理分配测试资源。但是构建有效的缺陷预测模型往往需要获取成本极高的缺陷标记数据,如果可以充分利用未标注的数据或者现有的已标注其他项目数据信息,可以有效减少缺陷预测模型的应用成本。本文从弱监督学习角度出发,对不完全监督的软件缺陷预测技术进行了研究,其主要内容如下:第一,面向半监督学习的工作量感知即时缺陷预测技术。由于即时缺陷预测可以在变更级的粒度上对缺陷进行预测,引起了大量研究人员的研究兴趣。变更的缺陷标记很难获取,因此不依赖于标记信息的缺陷预测模型更有应用价值,但是由于监督信息的匮乏,以前的工作提出的无监督模型在分类场景下性能很差。本文从半监督学习角度对即时缺陷预测进行研究,提出了一个基于样本选择的工作量感知三体训练模型。在六个开源项目上的实验结果表明,工作量感知三体训练法的性能优于现有的即时缺陷预测方法。第二,面向异构特征的跨项目软件缺陷预测技术。跨项目软件缺陷预测技术可以利用现有的已标注缺陷数据集对新的无标记项目进行预测,但需要两者之间具有相同的度量集合,难以用于实际开发。异构缺陷预测技术可以在具有异构度量集合的项目间进行缺陷预测,该技术引起了大量研究人员的关注。现有的异构缺陷预测技术利用朴素的或者传统机器学习方法为源项目和目标项目学习特征表示,所学习到的特征表示能力很弱且缺陷预测性能很差。鉴于深度神经网络强大的特征抽取和表示能力,本文基于变分自编码器技术提出了一种面向异构缺陷预测的特征表示方法。该模型结合了变分自编码器和最大均值差异距离,能有效的学习源项目和目标项目的共性特征表示,基于该特征表示可以训练出有效的缺陷预测模型。通过在多组缺陷数据集与传统跨项目缺陷预测方法及异构缺陷预测方法的比较验证了该方法的有效性。最后,基于变分自编码器的跨项目软件缺陷预测系统。为了鉴别所学的特征表示的好坏,基于提出的跨项目软件缺陷预测方法,本文实现了一个通用跨项目软件缺陷预测系统。该系统可以同时处理同构及异构特征的跨项目软件缺陷预测问题,并且可以展现训练过程中两个项目数据分布的变化情况。通过该系统对隐式特征分布的展示可以进一步验证本文所提方法的有效性。
宫丽娜,姜淑娟,姜丽[6]（2019）在《软件缺陷预测技术研究进展》文中指出随着软件规模的扩大和复杂度的不断提高,软件的质量问题成为关注的焦点,软件缺陷是软件质量的对立面,威胁着软件质量,如何在软件开发的早期挖掘出缺陷模块成为一个亟需解决的问题.软件缺陷预测通过挖掘软件历史仓库,设计出与缺陷相关的内在度量元,然后借助机器学习等方法来提前发现与锁定缺陷模块,从而合理地分配有限的资源.因此,软件缺陷预测是软件质量保证的重要途径之一,近年来已成为软件工程中一个非常重要的研究课题.汇总近8年（2010年～2017年）国内外的缺陷预测技术的研究成果,并以缺陷预测的形式为主线进行分析,首先介绍了软件缺陷预测模型的框架;然后从软件缺陷数据集、构建模型的方法及评价指标这3个方面对已有的研究工作进行分类归纳和比较;最后探讨了软件缺陷预测的未来可能的研究方向、机遇和挑战.
张捷[7]（2019）在《复杂软件可靠性评估代数方法及其实证研究》文中进行了进一步梳理软件可靠性建模与评估是软件工程领域的一个重要研究方向。随着计算机软件进入人类活动的各个领域,对软件质量的要求越来越高,而软件可靠性作为代表软件运行安全性与稳定性的最重要指标,在衡量软件开发质量、保证软件系统可依赖性方面发挥着重要作用,尤其针对应用于交通、电力、航天、国防等领域的一类安全关键软件而言。通过引入代数理论相关新的方法,围绕在软件开发前期如何有效开展可靠性建模与评估问题,论文主要解决了复杂软件的可靠性结构描述与计算困难,并进一步提出适用于软件结构演化过程的可靠性分析方法。同时论文在传统软件可靠性增长模型的改进以及可靠性结构化模型的实证方面也作了深入探讨。论文主要工作如下:（1）阐述了软件可靠性评估的研究背景与研究意义,明确了软件可靠性模型与软件可靠性评估之间的关系,对两类主要模型——软件可靠性增长模型与软件可靠性结构化模型分别从建模思想、主要模型及适用范围等方面进行论述,总结了目前软件可靠性建模方法存在的不足,指出需要进一步解决的问题。（2）针对软件开发后期可靠性预测问题,研究了结合测试工作量与故障检测率对非齐次Poission过程类可靠性模型的改进。首先详细论述了非齐次Poission过程类可靠性模型在引入测试工作量后的基本假设与数学表达,解释测试工作量的建模含义并列举了测试工作量函数的主要形式。其次讨论故障检测率对模型改进的作用,并引入可拟合不同测试阶段的故障检测率函数。在此基础上,构建了兼顾测试工作量与故障检测率两种要素的可靠性数学模型,用以对软件可靠性增长模型作出改进。实验表明,改进模型在预测精度、拟合优度等关键性能指标上整体优于其它代表性可靠性增长模型。（3）针对软件开发前期可靠性估计问题,研究了代数方法在结构化可靠性建模以及计算中的作用。首先通过引入代数工具将软件基本结构风格特征抽象为代数范式形式,并对每种代数范式附加可靠性计算准则,使得范式成为可匹配的一般性模式。然后对复杂软件结构建立由表达式组成的代数模型,表达式可由各基本范式组合、嵌套形成,用以表达软件局部及整体结构的复杂性。在此基础上提出代数模型的解析算法,算法将对诸表达式自动逐层识别并匹配各类型范式,从而完成复杂软件整体可靠性的求解。代数方法相较于其它可靠性结构化建模方法,更好地解决了对复杂软件结构的建模描述问题,并进一步形成一般性的可靠性计算方法。实验表明代数方法的可靠性评估结果是有效的,并在软件开发前期可靠性实时、自动计算方面展现出良好的适用性。（4）针对软件演化过程中的可靠性分析与评估问题,研究了基于代数方法的演化过程描述以及演化行为可靠性实时评估。首先讨论了软件演化问题的实质及其对可靠性的影响,阐明简单增量式演化与结构演化两类问题。然后通过对演化原子操作的定义,将软件演化过程描述为原子操作序列,并基于代数方法跟踪评估、分析演化序列中的每一步操作对整体可靠性的影响,形成面向软件演化的可靠性评估流程。通过实际算例验证,流程可有效分析演化关键环节及整体趋势,适用于反馈和约束演化方案设计以达到提高软件产品质量的目的。（5）针对在实际软件项目开发中可靠性结构化模型因缺少建模参数而不易应用的问题,研究了基于多项式回归和基于循环神经网络的模块可靠性数值估计方法。结合使用代数方法以及上述模块可靠性估计值,完成了对开源项目数个版本的整体可靠性评估。实证研究旨在解决如何有效实施可靠性建模与评估,根据实验阶段性结果与最终结果,并与使用测试失效数据的几种可靠性增长模型作对比验证,说明了从结构分析角度使用代数方法评估实际项目可靠性是可行的。
潘陶[8]（2018）在《基本块粒度的度量抽取和缺陷预测研究》文中提出软件缺陷是软件系统的一种错误,它会导致系统异常和崩溃。在软件开发的过程中,由于软件复杂度和软件人员水平等众多原因,软件缺陷无法避免。之前的统计显示在当前的软件项目开发中,缺陷修复通常会消耗项目总开销的80%。同时研究发现如果能够较早地发现缺陷,那么修复的开销也会大大降低,缺陷预测研究便应运而生。软件缺陷预测研究力图有效地利用代码块度量特征,进而预测含有缺陷的代码块,保证软件质量,节约人力成本,提高软件开发效率。在当前软件缺陷预测中,大多数研究者们致力于文件或模块级别的代码块特征提取和缺陷预测模型的建立,研究结果表明在这些级别上缺陷预测模型具有较高的精度。尽管可以通过上述模型精确地定位到存在潜在缺陷的具体代码文件,但在这些级别上的代码块由于包含很长的代码,开发者仍需要大量工作量来遍历代码块的所有代码定位缺陷的具体位置。因此,研究者们尝试在更小粒度的级别上——方法级别上抽取度量,进而提出了方法级别上的缺陷预测方法,并取得了一定的效果。但同样观察到,项目中依旧存在具有几百行代码的庞大方法,仍会影响定位缺陷的效率。为进一步降低缺陷修复的工作量,提高缺陷预测的实用性,本文提出了一种比已有的级别粒度更细的基本块粒度上的度量抽取和缺陷预测建模方法。具体包括:（1）给出了基本块粒度上的12种度量定义和计算规则,其中包括6种延续已有定义的基本度量和6种在基本块粒度的CFG度量,并实现了一个基于基本块粒度的度量抽取和缺陷标注工具;（2）抽取了 9个开源项目共36个版本中的基本块度量和缺陷数据构成数据集,并作了度量的相关性分析;（3）在数据集上使用随机森林、逻辑回归和Adaboost三个学习器建立缺陷预测模型,用AUC和CE指标对模型性能进行了评价。实验的结果表明:（1）基本度量和CFG度量不存在冗余关系,基本块粒度上定义的CFG度量具有独立的实际意义;（2）CFG度量中的传递变量数和深度与缺陷的相关性较大,基本块度量都有助于提高缺陷预测模型的性能;（3）在版本内场景下,仅使用基本块度量和随机森林学习器建立缺陷预测模型进行预测,可以达到0.638的AUC值和0.106的CE值,引入CFG度量后,预测性能有明显的提升,AUC达到0.736,CE达到0.283。同样,在版本间场景下,也有显着的提升;（4）与静态缺陷查找工具PMD相比,基本块粒度的缺陷预测模型性能均有显着提升。综上所述,本文提出的CFG度量有助于缺陷预测,提升缺陷预测性能,并具有实用价值。本文提出基本块度量的定义,并给出基本块度量计算规则,对基本块级别上的缺陷预测进行科学的、有针对性的研究。该研究结果对软件维护、缺陷定位、缺陷预测等领域都有重要意义。
韩飞[9]（2017）在《基于CMMI4的ZH银行软件缺陷量化管理研究》文中认为随着中国经济近三十年的快速发展,银行作为现代经济运行的核心迅速发展,信息化在一定程度上可以说已经成为了现代银行的生命线。银行为了满足客户不断变化的各种需求,其软件项目复杂性随之提高。而银行的自身特点又决定了相对于其他领域的软件项目,对安全性、可靠性有更高的标准。银行软件中的一个小小的缺陷可能会导致客户和银行损失巨大,因此,如何最大限度的控制银行软件缺陷的数量具有非常重要的意义。本文基于过程管理的相关理论,论述组织过程管理对软件企业和组织改进的作用及意义,并引入CMMI过程改进模型。通过研究CMMI模型,细化CMMI4缺陷管理的要求,结合数理统计理论对ZH银行基于CMMI第四等级中“定量管理级”的缺陷量化和管理过程作了深入研究。提炼出ZH银行在软件开发过程中缺陷量化的详细方法和具体步骤并形成管理模式,最后通过在实际项目中的应用对ZH银行缺陷量化管理的效果进行了分析,总结出常见问题和实施经验,同时提出了在缺陷量化管理实施过程中的改进措施与建议。研究结果表明,在建立组织级的软件缺陷预测模型的前提下,结合组织级缺陷相关基线,利用蒙特卡罗（Monte Carlo）模拟并根据组织内各项目的特点建立每个项目独有的质量和过程性能目标,并在软件开发过程中的各个环节对缺陷进行有效的量化控制和预测,可以很好提升组织的过程能力,保证软件产品的质量,从而提高客户的满意度。同时,在软件开发的各个环节中,我们可以通过量化预测的方式提前发现问题,感知风险和预测目标达成情况,并及时调整项目计划,确保项目目标实现。
程铭[10]（2016）在《软件缺陷预测若干关键技术研究》文中研究指明软件缺陷预测技术是当前软件工程领域和机器学习领域的研究热点,它通过挖掘软件历史数据,提取与软件缺陷相关的度量特征构建预测模型,并能够在系统开发初期及时准确的识别有缺陷的软件模块,合理分配测试资源,降低软件开发和维护成本。本文旨在通过研究机器学习领域的一些新方法,探讨如何建立更高效准确的预测模型。目前,软件缺陷预测技术在实际应用中主要存在三个问题：（1）建立缺陷预测模型通常需要充足的标注数据,但手工标注缺陷是一个费时费力的过程,先前的方法并不能在缺少标注信息的情况下建立有效的预测模型：（2）在跨项目缺陷预测的研究中,不同项目间存在不同的数据分布,而传统方法的适应力较弱,并不适用于跨项目预测任务；（3）跨项目缺陷预测通常基于这样的假设,即源和目标项目具有相同的度量元。但在实际场景中,不同项目间常常采用不同的度量特征。因此,现有方法并不能处理异构度量情况下的跨项目缺陷预测问题。针对上述三个问题,本文提出了三种有效的解决方案,具体工作如下：（1）基于字典学习的半监督缺陷预测研究提出了一种基于任务驱动字典学习的半监督软件缺陷预测方法,用于解决缺少标注数据和缺陷数据的类不平衡问题。该方法采用任务驱动的字典学习技术,迭代优化分类器参数和字典原子,确保在最优分类性能的前提下提取特征（稀疏表示）。这与典型的基于数据驱动的特征提取方法不同,数据驱动的方式只能够提高训练样本的重构性能,并没有考虑最优的分类任务。另外,软件缺陷数据具有类不平衡的特点,而传统分类方法更倾向于总的分类精度,忽略稀少类。因此,在字典学习的过程中我们充分考虑不同的错分类代价,通过提高缺陷模块错分为无缺陷模块的代价,使生成的字典更倾向于分类缺陷模块,缓解数据的类不平衡特性对模型的影响。（2）基于迁移学习的跨项目缺陷预测研究传统的跨项目缺陷预测方法通常选择与测试数据相似的训练样本构建预测模型,但丢弃的数据可能包含有用的类判别信息。本文充分考虑所有训练数据特征信息,不丢弃任何样本,提出了一种加权贝叶斯迁移学习算法。该算法首先构造训练集和目标集的属性特征向量,然后根据特征向量计算每个训练样本与测试集的特征差异,基于数据引力方法将差异转换为该训练样本权重,在加权训练数据上建立预测模型预测缺陷分布。我们对已有方法进行理论分析,并在开源数据集上进行试验,验证了方法的有效性。（3）基于异构度量的跨项目缺陷预测研究提出了一种代价敏感的相关迁移支持向量机方法,用于解决异构的跨项目缺陷预测问题。该方法首先对源和目标项目数据进行重构使它们具有统一的度量表示；然后,基于这个统一度量表示,利用典型相关分析技术生成相关子空间以关联跨项目数据,同时提取跨项目数据之间的相关性信息用于模型的训练,以提高模型的类判别能力。此外,采用代价敏感学习技术缓解类不平衡对模型性能的影响,强调错分缺陷模块的代价,使生成的模型更倾向于分类缺陷模块。
二、软件开发过程的度量（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、软件开发过程的度量（论文提纲范文）
（1）军用软件测试过程度量模型研究（论文提纲范文）
| 摘要 |
| abstract |
| 1.绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.3 论文研究内容 |
| 1.4 论文的研究路线、结构安排 |
| 1.4.1 研究路线图 |
| 1.4.2 论文的结构安排 |
| 2.相关模型介绍 |
| 2.1 软件测试过程模型 |
| 2.2 V模型 |
| 2.3 W模型 |
| 2.4 H模型 |
| 2.5 CMMI与软件测试 |
| 2.6 TMM测试成熟度模型 |
| 2.7 Rational统一过程 |
| 2.8 小结 |
| 3.基于流程驱动的军用软件测试过程模型 |
| 3.1 流程驱动与闭环控制 |
| 3.1.1 人工驱动的局限性与控制反转思想 |
| 3.1.2 流程驱动 |
| 3.1.3 多闭环PID控制 |
| 3.2 模型构建思想 |
| 3.2.1 持续改进的质量管理过程 |
| 3.2.2 前馈与反馈结合的改进过程 |
| 3.3 基于流程驱动的军用软件测试过程模型实例 |
| 3.4 模型涉及到的过程和角色 |
| 3.4.1 测试工程过程 |
| 3.4.2 测试项目管理过程 |
| 3.4.3 测试支持过程 |
| 3.4.4 测试组织过程 |
| 3.4.5 工作角色 |
| 3.5 本章小结 |
| 4.度量指标体系构建 |
| 4.1 度量指标的选取原则 |
| 4.2 度量指标体系构建思想 |
| 4.3 GQM模型 |
| 4.4 确定度量目标 |
| 4.5 针对目标提出问题和选取指标 |
| 4.6 采集时机和采集方法 |
| 4.7 实时度量与事后度量 |
| 4.8 度量指标体系模型 |
| 4.9 本章小结 |
| 5.指标权重的赋权方法 |
| 5.1 常见的赋权方法 |
| 5.2 常见赋权方法的分析和对比 |
| 5.3 主成分分析 |
| 5.4 层次分析法 |
| 5.5 PCA+AHP组合赋权方法 |
| 5.6 本章小结 |
| 6.实验与分析 |
| 6.1 PCA确定客观权重 |
| 6.1.1 数据来源及预处理 |
| 6.1.2 相关性参数检验 |
| 6.1.3 相关系数矩阵 |
| 6.1.4 公因子方差 |
| 6.1.5 解释度总方差表 |
| 6.1.6 成分-特征值图 |
| 6.1.7 成分矩阵 |
| 6.1.8 计算指标权重 |
| 6.2 AHP确定主观权重 |
| 6.2.1 构建层次结构模型 |
| 6.2.2 构造判断矩阵 |
| 6.2.3 计算最大特征根和一致性比例CR |
| 6.2.4 计算权重 |
| 6.3 PCA+AHP综合权重 |
| 6.4 实验结果对比与分析 |
| 6.5 本章小结 |
| 7.总结与展望 |
| 7.1 总结 |
| 7.2 不足与展望 |
| 参考文献 |
| 攻读硕士期间发表的论文及所取得的研究成果 |
| 致谢 |
（2）结合软件开发过程的软件缺陷预测方法（论文提纲范文）
| 0 引言 |
| 1 软件开发过程和人因影响分析 |
| 1.1 软件需求设计阶段人因分析 |
| 1.2 软件组织环境分析 |
| 2 软件开发过程度量元 |
| 2.1 代码度量元 |
| 2.2 过程度量元 |
| 2.3 人因度量元 |
| 3 基于软件开发过程的软件缺陷预测模型 |
| 4 案例验证 |
| 4.1 Apache项目简介 |
| 4.2 度量元数据搜集 |
| 4.3 模型设置 |
| 4.4 实验结果 |
| 5 结束语 |
（3）面向演化项目的缺陷预测技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 存在的问题 |
| 1.4 研究内容 |
| 1.5 论文结构 |
| 1.6 本章小结 |
| 2 基础知识及技术 |
| 2.1 基本概念 |
| 2.2 软件度量元 |
| 2.3 缺陷数据集 |
| 2.4 特征排序方法 |
| 2.5 经典的缺陷预测模型 |
| 2.6 性能评价指标 |
| 2.7 本章小结 |
| 3 过程度量元对演化项目中缺陷情况变化的影响程度分析 |
| 3.1 引言 |
| 3.2 过程度量元对缺陷引入和消除的影响程度分析方法 |
| 3.3 实证研究 |
| 3.4 本章小结 |
| 4 实例选择和特征选择对面向演化项目的缺陷预测的有效性验证 |
| 4.1 引言 |
| 4.2 基于排序集成的特征排序算法 |
| 4.3 基于实例选择和特征选择的面向演化项目的缺陷预测方法 |
| 4.4 实验评估 |
| 4.5 本章小结 |
| 5 面向演化项目的缺陷预测工具的设计与实现 |
| 5.1 工具框架 |
| 5.2 详细设计及实现 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（4）基于CMMI的Y公司软件开发流程优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究目的与意义 |
| 1.2 国内外研究文献综述 |
| 1.3 研究方法 |
| 1.4 研究内容和重点解决的问题 |
| 1.5 本文创新点 |
| 2 理论基础 |
| 2.1 软件管理相关体系和模型 |
| 2.2 CMMI模型 |
| 2.3 软件过程改进的实施方法 |
| 3 Y公司软件开发管理现状及问题分析 |
| 3.1 Y公司软件开发管理现状 |
| 3.2 Y公司软件开发管理现状分析 |
| 3.3 Y公司使用CMMI模型进行流程优化的探索性分析 |
| 4 Y公司软件开发流程优化方案设计 |
| 4.1 流程优化的启动和问题诊断 |
| 4.2 基于CMMI过程域优化方案总体设计 |
| 4.3 基于CMMI过程域优化方案详细设计 |
| 5 Y公司软件开发流程优化方案的实施 |
| 5.1 基于CMMI过程管理优化方案的应用 |
| 5.2 基于CMMI过程管理优化方案的改进 |
| 5.3 方案实施的保障措施 |
| 6 结论和建议 |
| 6.1 基本结论 |
| 6.2 研究的不足 |
| 6.3 后期展望 |
| 参考文献 |
| 致谢 |
（5）不完全监督软件缺陷预测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 静态软件缺陷预测技术 |
| 1.2.2 即时缺陷预测研究现状 |
| 1.2.3 异构缺陷预测研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 组织结构 |
| 2 面向半监督学习的工作量感知即时缺陷预测 |
| 2.1 引言 |
| 2.2 基于三体训练法的即时缺陷预测 |
| 2.2.1 即时缺陷预测度量特征 |
| 2.2.2 数据预处理 |
| 2.2.3 三体训练法 |
| 2.3 工作量感知三体训练法 |
| 2.3.1 问题定义 |
| 2.3.2 模型评估 |
| 2.3.3 样本选择 |
| 2.3.4 结果预测 |
| 2.4 实验设置 |
| 2.4.1 实验数据集 |
| 2.4.2 基准模型 |
| 2.4.3 分类器选择 |
| 2.4.4 实验方法 |
| 2.4.5 性能指标 |
| 2.5 实验结果和分析 |
| 2.6 讨论 |
| 2.7 效度威胁 |
| 2.8 本章小结 |
| 3 面向异构特征的跨项目软件缺陷预测技术 |
| 3.1 引言 |
| 3.2 基于变分自编码器的隐式特征学习 |
| 3.2.1 变分推断和变分自编码器 |
| 3.2.2 变分下界 |
| 3.2.3 利用变分自编码器学习软件缺陷数据的隐式特征 |
| 3.3 利用最大均值差异学习项目之间的个性与共性 |
| 3.3.1 最大均值差异 |
| 3.3.2 个性与共性特征学习方法 |
| 3.4 利用判别网络提取缺陷相关的高层特征表示 |
| 3.5 实验设置 |
| 3.5.1 实验数据集 |
| 3.5.2 评价指标 |
| 3.5.3 基准模型 |
| 3.5.4 实验方法 |
| 3.6 实验结果与分析 |
| 3.7 参数影响分析 |
| 3.8 本章小结 |
| 4 基于变分自编码器的跨项目软件缺陷预测系统 |
| 4.1 引言 |
| 4.2 相关技术 |
| 4.2.1 tensorflow2.0 简介 |
| 4.2.2 Tkinter简介 |
| 4.3 系统设计 |
| 4.4 系统实现 |
| 4.4.1 系统主界面 |
| 4.4.2 训练信息界面 |
| 4.4.3 训练结果界面 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（7）复杂软件可靠性评估代数方法及其实证研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 软件可靠性与软件可靠性工程 |
| 1.3 软件可靠性建模研究现状 |
| 1.3.1 SR模型分类及经典模型 |
| 1.3.2 SR结构化模型 |
| 1.3.3 SR评估与SR模型 |
| 1.4 论文研究内容与结构安排 |
| 1.4.1 研究内容 |
| 1.4.2 结构安排 |
| 第2章 软件可靠性建模相关基础理论 |
| 2.1 软件可靠性增长模型 |
| 2.1.1 SRGM类建模的基本问题 |
| 2.1.2 J-M模型及其推广 |
| 2.1.3 G-O模型及其推广 |
| 2.1.4 Musa执行时间模型 |
| 2.1.5 SRGM类建模方法讨论 |
| 2.2 软件可靠性结构化模型 |
| 2.2.1 SR结构化建模的基本问题 |
| 2.2.2 基于执行路径的SR结构化模型 |
| 2.2.3 基于状态的SR结构化模型 |
| 2.2.4 SR结构化建模方法讨论 |
| 2.3 其它领域理论与软件可靠性建模 |
| 2.3.1 软件体系结构 |
| 2.3.2 软件度量和软件缺陷预测 |
| 2.4 本章小结 |
| 第3章 结合测试工作量与故障检测率的SRGM |
| 3.1 引言 |
| 3.2 通过测试工作量与故障检测率改进SRGM |
| 3.2.1 考虑测试工作量的NHPP类 SRGM |
| 3.2.2 测试工作量函数 |
| 3.2.3 变点与故障检测率函数 |
| 3.2.4 建立改进模型 |
| 3.3 改进模型的应用与验证 |
| 3.3.1 模型应用方法 |
| 3.3.2 实验设计 |
| 3.3.3 实验结果讨论 |
| 3.4 本章小结 |
| 第4章 基于结构分析的软件可靠性评估代数方法 |
| 4.1 引言 |
| 4.2 软件结构分析与可靠性评估的代数方法 |
| 4.2.1 建立代数工具 |
| 4.2.2 基本结构风格的可靠性范式 |
| 4.2.3 代数模型可靠性评估流程 |
| 4.3 有效性验证 |
| 4.3.1 算例描述 |
| 4.3.2 评估结果讨论 |
| 4.4 本章小结 |
| 第5章 基于代数方法的软件演化可靠性评估与分析 |
| 5.1 引言 |
| 5.2 面向软件演化的可靠性评估与分析 |
| 5.2.1 DTMC模型与增量式演化 |
| 5.2.2 软件结构的演化 |
| 5.2.3 可靠性评估与分析 |
| 5.3 算例实验与有效性验证 |
| 5.3.1 算例研究一 |
| 5.3.2 算例研究二 |
| 5.4 本章小结 |
| 第6章 基于软件度量的可靠性评估实证研究 |
| 6.1 引言 |
| 6.2 实验设计 |
| 6.2.1 实验项目与度量数据 |
| 6.2.2 基于多项式回归的模块参数聚合方法 |
| 6.2.3 基于循环神经网络的模块参数聚合方法 |
| 6.2.4 使用代数方法评估项目整体可靠性 |
| 6.3 实验结果分析 |
| 6.3.1研究问题RQ1 |
| 6.3.2研究问题RQ2 |
| 6.3.3 讨论 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 本文的创新之处 |
| 7.3 未来研究展望 |
| 参考文献 |
| 攻读博士学位期间的学术活动及成果情况 |
（8）基本块粒度的度量抽取和缺陷预测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 研究动机 |
| 1.2 研究现状 |
| 1.2.1 度量信息的选择 |
| 1.2.2 应用场景 |
| 1.2.3 评价指标 |
| 1.3 本文工作 |
| 1.4 论文结构 |
| 第二章 基本概念和相关工具概述 |
| 2.1 基本块和程序控制流程图 |
| 2.2 基本块度量抽象定义 |
| 2.2.1 基本数据度量 |
| 2.2.2 过程度量 |
| 2.2.3 控制流程图度量 |
| 2.3 相关工具 |
| 2.3.1 程序静态分析工具Understand |
| 2.3.2 缺陷追踪系统Jira |
| 2.3.3 静态缺陷查找工具PMD |
| 2.4 本章小结 |
| 第三章基本块的度量抽取和缺陷标注 |
| 3.1 基本块度量抽取流程 |
| 3.2 基本块信息抽取和度量计算 |
| 3.3 缺陷和版本信息搜集 |
| 3.3.1 缺陷信息搜集 |
| 3.3.2 缺陷周期确定 |
| 3.3.3 版本信息搜集 |
| 3.4 缺陷标注 |
| 3.4.1 缺陷行版本标注 |
| 3.4.2 基本块缺陷标注 |
| 3.5 本章小结 |
| 第四章 基本块度量的实证研究 |
| 4.1 实验研究问题 |
| 4.2 实验设计方案 |
| 4.2.1 实验研究对象 |
| 4.2.2 基本块数据收集 |
| 4.2.3 基本块数据分布规律 |
| 4.2.4 实验研究方法 |
| 4.3 实验研究结果 |
| 4.3.1 控制流程图度量与基本度量冗余分析 |
| 4.3.2 控制流程图度量与缺陷的相关程度 |
| 4.4 本章小结 |
| 第五章 基本块度量的缺陷预测 |
| 5.1 实验研究问题 |
| 5.2 实验设计方案 |
| 5.2.1 实验数据集划分 |
| 5.2.2 实验设置 |
| 5.2.3 实验评价指标 |
| 5.3 实验研究结果 |
| 5.3.1 版本内缺陷预测 |
| 5.3.2 版本间缺陷预测 |
| 5.3.3 静态缺陷查找工具结果比较 |
| 5.4 实验效度威胁 |
| 5.4.1 研究项目 |
| 5.4.2 缺陷标注 |
| 5.4.3 语言适用性 |
| 5.5 实验小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 攻读硕士学位期间主要的研究成果 |
| 致谢 |
| 附录 逻辑回归和Adboost上的缺陷预测结果 |
（9）基于CMMI4的ZH银行软件缺陷量化管理研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 注释说明汇集表 |
| 第1章 绪论 |
| 1.1 研究的背景和意义 |
| 1.1.1 研究的背景 |
| 1.1.2 研究的意义 |
| 1.2 研究领域的现状 |
| 1.2.1 国外研究领域的现状 |
| 1.2.2 国内研究领域的现状 |
| 1.3 研究的内容和组织结构 |
| 1.3.1 研究的主要内容 |
| 1.3.2 本文的组织结构 |
| 1.4 技术路线与创新点 |
| 1.4.1 技术路线 |
| 1.4.2 创新点 |
| 本章小结 |
| 第2章 软件缺陷管理与CMMI模型 |
| 2.1 软件缺陷概述 |
| 2.1.1 软件缺陷的定义 |
| 2.1.2 软件缺陷的分类 |
| 2.1.3 软件缺陷与软件质量的关系 |
| 2.2 缺陷管理模式研究 |
| 2.3 CMMI模型概述 |
| 2.3.1 CMMI内容 |
| 2.3.2 CMMI表示法 |
| 2.3.3 CMMI4 特有过程域简介 |
| 2.3.4 CMMI和 ISO9000 的联系和区别 |
| 本章小结 |
| 第3章 ZH银行组织过程管理 |
| 3.1 ZH银行软件组织机构介绍 |
| 3.2 ZH银行的过程定义 |
| 3.2.1 ZH银行走查及评审过程 |
| 3.2.2 ZH银行代码复查过程 |
| 3.2.3 ZH银行测试过程 |
| 3.3 ZH银行的过程度量 |
| 3.3.1 ZH银行过程度量模型 |
| 3.3.2 ZH银行关键过程度量 |
| 本章小结 |
| 第4章 基于CMMI4 的软件缺陷量化管理模式建立 |
| 4.1 组织级缺陷量化管理 |
| 4.1.1 组织级缺陷量化管理概述 |
| 4.1.2 建立组织级质量和过程性能目标、选择关键过程、定义度量 |
| 4.1.3 建立过程性能基线 |
| 4.1.4 构建量化预测模型 |
| 4.1.5 组织级过程改进 |
| 4.2 项目级缺陷量化管理 |
| 4.2.1 项目级缺陷量化管理概述 |
| 4.2.2 预测总体缺陷 |
| 4.2.3 建立项目质量和过程性能目标 |
| 4.2.4 实际收集缺陷 |
| 4.2.5 预测目标完成概率 |
| 4.2.6 调整项目质量和过程性能目标 |
| 4.2.7 代码复查子过程的量化管理 |
| 4.2.8 功能测试子过程的量化管理 |
| 本章小结 |
| 第5章 缺陷量化管理模式在实际项目中的应用 |
| 5.1 项目的选定 |
| 5.2 建立项目的质量和过程性能目标 |
| 5.2.1 建立初步的项目质量和过程性能目标 |
| 5.2.2 调整项目质量和过程性能目标 |
| 5.3 项目实际执行过程中的缺陷量化管理 |
| 5.4 代码复查子过程的缺陷量化管理 |
| 5.5 功能测试子过程的缺陷量化管理 |
| 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（10）软件缺陷预测若干关键技术研究（论文提纲范文）
| 论文创新点 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 相关概念和研究目的意义 |
| 1.3 待研究问题 |
| 1.4 研究内容与创新点 |
| 1.4.1 研究内容 |
| 1.4.2 研究成果与创新点 |
| 1.5 本文组织结构 |
| 第2章 软件缺陷预测的基本概念及其相关研究 |
| 2.1 软件缺陷预测过程 |
| 2.2 软件度量 |
| 2.2.1 软件度量的基本概念 |
| 2.2.2 软件度量的分类 |
| 2.3 软件缺陷预测研究分类 |
| 2.3.1 同项目缺陷预测 |
| 2.3.2 跨项目缺陷预测 |
| 2.4 评估标准 |
| 2.5 本章小结 |
| 第3章 基于任务驱动字典学习的半监督软件缺陷预测 |
| 3.1 引言 |
| 3.2 稀疏表示理论 |
| 3.2.1 基于稀疏表示的分类 |
| 3.2.2 联合学习字典和分类器模型 |
| 3.3 任务驱动字典学习的半监督软件缺陷预测 |
| 3.3.1 基于稀疏表示的特征提取 |
| 3.3.2 半监督的任务驱动分类框架 |
| 3.3.3 STDDL模型 |
| 3.3.4 优化求解算法 |
| 3.4 实验与分析 |
| 3.4.1 实验数据 |
| 3.4.2 评估指标 |
| 3.4.3 参数设置 |
| 3.4.4 实验设计 |
| 3.4.5 实验结果分析 |
| 3.5 本章小结 |
| 第4章 基于迁移学习的跨项目软件缺陷预测 |
| 4.1 引言 |
| 4.2 迁移学习理论 |
| 4.3 基于迁移学习的加权贝叶斯软件缺陷预测 |
| 4.3.1 朴素贝叶斯模型 |
| 4.3.2 相似度计算 |
| 4.3.3 训练数据权重 |
| 4.3.4 WNB算法分析 |
| 4.4 实验与分析 |
| 4.4.1 实验数据 |
| 4.4.2 实验设计 |
| 4.4.3 评估指标 |
| 4.4.4 实验结果分析 |
| 4.5 本章小结 |
| 第5章 异构的跨项目软件缺陷预测 |
| 5.1 引言 |
| 5.2 典型相关分析 |
| 5.3 异构的软件缺陷预测 |
| 5.3.1 统一度量表示 |
| 5.3.2 基于CCA的相关子空间 |
| 5.3.3 代价敏感的相关迁移SVM |
| 5.4 实验与分析 |
| 5.4.1 实验数据 |
| 5.4.2 实验设计 |
| 5.4.3 评估指标 |
| 5.4.4 实验结果分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结全文 |
| 6.2 研究展望 |
| 参考文献 |
| 读博期间取得的研究成果 |
| 读博期间参与的研究课题 |
| 致谢 |
四、软件开发过程的度量（论文参考文献）
- [1]军用软件测试过程度量模型研究[D]. 赵严. 中北大学, 2021(09)
- [2]结合软件开发过程的软件缺陷预测方法[J]. 秦庆强,魏启国. 计算机应用研究, 2020(S2)
- [3]面向演化项目的缺陷预测技术研究[D]. 姜丽. 中国矿业大学, 2020(01)
- [4]基于CMMI的Y公司软件开发流程优化研究[D]. 杨军. 暨南大学, 2020(05)
- [5]不完全监督软件缺陷预测技术研究[D]. 张文舟. 南京理工大学, 2020(01)
- [6]软件缺陷预测技术研究进展[J]. 宫丽娜,姜淑娟,姜丽. 软件学报, 2019(10)
- [7]复杂软件可靠性评估代数方法及其实证研究[D]. 张捷. 合肥工业大学, 2019(01)
- [8]基本块粒度的度量抽取和缺陷预测研究[D]. 潘陶. 南京大学, 2018(01)
- [9]基于CMMI4的ZH银行软件缺陷量化管理研究[D]. 韩飞. 北京理工大学, 2017(03)
- [10]软件缺陷预测若干关键技术研究[D]. 程铭. 武汉大学, 2016(01)