软件缺陷的评估方法分析与研究

<正>在众多软件质量指标中,软件缺陷是最为直观和最为重要的指标。因此,通过对软件缺陷的评估来进行软件质量控制是一种很好的方法。本文将软件缺陷作为软件质量的评估指标,引入软件项目风险管理手段,以影响软件缺陷的风险因素为切入点,全     

静态软件缺陷预测方法研究

静态软件缺陷预测是软件工程数据挖掘领域中的一个研究热点.通过分析软件代码或开发过程,设计出与软件缺陷相关的度量元;随后,通过挖掘软件历史仓库来创建缺陷预测数据集,旨在构建出缺陷预测模型,以预测出被测项目内的潜在缺陷程序模块,最终达到优化测试资源分配和提高软件产品质量的目的.对近些年来国内外学者在该研究领域取得的成果进行了系统的总结.首先,给出了研究框架并识别出了影响缺陷预测性能的3个重要影响因素:度量元的设定、缺陷预测模型的构建方法和缺陷预测数据集的相关问题;接着,依次总结了这3个影响因素的已有研究成果;随后,总结了一类特殊的软件缺陷预测问题(即,基于代码修改的缺陷预测)的已有研究工作;最后,对未来研究可能面临的挑战进行了展望.     

软件缺陷管理系统的设计与实现

软件缺陷管理是软件项目管理的重要组成部分,是保证软件质量的重要手段,该文研究了软件缺陷管理模型,在此基础上设计软件缺陷管理系统,采用J2EE三层架构和MVC设计模式实现该系统,系统提供BUG跟踪、软件功能模块、测试用例、部门及角色管理功能,并提供大量统计报表功能。     

追捕软件缺陷

软件中是不可能没有缺陷的。如何对软件缺陷跟踪和管理,对于最终的软件质量有关键意义。最近,北京宏一科技公司项目组的负责人李征遇到了麻烦事,由他的项目组负责一个客户的定制软件在交付使用后,仅一个月,就受到了客户的投诉,理由是在软件使用过程中出现了错误。经李征多次上门检验后,发现确实是软件质量的问题,为此,公司限定李征必须在两周内完善软件质量。并扣除他全年奖金。软件中的缺陷(Defect或Bug)是软件开发过程中的副产品。通常,缺陷会导致软件产品在某种程度上不能满足用户的需要。现在,很多企业都根据自己的业务模式,或自己研发…     

软件缺陷与软件测试

通过分析软件中客观存在的缺陷和发现修改缺陷所付出的代价,引出软件测试的重要性,对软件测试的阶段划分、工作内容、工作流程、组织给出了说明,同时对软件测试工作的难点-测试用例设计给出了基本原则、注意事项和衡量标准。     

软件缺陷自动修复技术综述

软件缺陷是软件开发和维护过程中不可避免的.随着现代软件规模的不断变大,软件缺陷的数量以及修复难度随之增加,为企业带来了巨大的经济损失.修复软件缺陷,成为了开发人员维护软件质量的重大负担.软件缺陷自动修复技术有希望将开发者从繁重的调试中解脱出来,近年来成为热门的研究领域之一.搜集了 94篇该领域最新的高水平论文,进行了详...     

软件缺陷度量与软件过程管理方法研究

软件能力成熟度模型第4级中要求在项目中定量管理,建立组织级过程性能,构成完整的量化管理,采用统计或其它定量方法管理软件过程,并通过对过程中出现的方法,技术等问题进行因果分析和寻找解决方案。在仔细研究了现有的缺陷度量分类方法和分析指标后,提出了一个基于缺陷度量与分析的软件过程改进模型。应用该模型可以设计缺陷数据管理系统。     

基于CS-ANN的软件缺陷预测模型研究

为了提高软件缺陷预测的准确率,利用布谷鸟搜索算法(Cuckoo Search,CS)的寻优能力和人工神经网络算法（Artificial Neural Network,ANN）的非线性计算能力,提出了基于CS-ANN的软件缺陷预测方法。此方法首先使用基于关联规则的特征选择算法降低数据的维度,去除了噪声属性;利用布谷鸟搜索算法寻找神经网络算法的权值,然后使用权值和神经网络算法构建出预测模型;最后使用此模型完成缺陷预测。使用公开的NASA数据集进行仿真实验,结果表明该模型降低了误报率并提高了预测的准确率,综合评价指标AUC（area under the ROC curve）、F1值和G-mean都优于现有模型。     

软件缺陷度量与分析技术研究

软件能力成熟度模型第4级中要求在项目中定量管理,建立组织级过程,构成完整的量化管理,采用统计或其它定量方法管理软件过程,并通过对过程中出现的方法、技术等问题进行因果分析和寻找解决方案[1]。在仔细研究了现有的缺陷度量分类方法和分析指标后,通过运用缺陷数据分析方法,在开发过程中运用缺陷分析的结果,可以采取合适的对策尽早发现和消除存在的缺陷,以提高软件产品的开发质量和成功率。     

基于特征选择的软件缺陷报告严重性评估

针对Bugzilla缺陷跟踪系统的Eclipse项目软件缺陷报告数据集,使用特征选择和机器学习算法对向量化的原始数据进行特征降维、权重优化等处理,得到数据维度较低的优化数据集,并采用分类算法评估软件缺陷报告严重程度。通过对4种特征选择算法及4种机器学习算法处理结果的交叉对比表明,使用信息增益特征选择算法对原始数据集进行特征优化,并结合多项式贝叶斯算法对优化数据集进行训练与测试,可使软件缺陷报告严重性预测的AUROC值提高至0.767。     

软件缺陷数据的分析方法及其实现

软件缺陷数据的分析对于软件质量保证、项目管理和过程改进具有重要的意义,但目前的缺陷管理工具的数据分析功能普遍比较薄弱.本文首先分析了软件缺陷属性数据的类型,在此基础上阐述了软件缺陷数据分析的基本方法,包括一元数据分析和多元数据分析.最后讨论了实现软件缺陷数据分析方法所涉及到的几个关键技术.     

航空机载软件缺陷分类方法研究及应用

分析现有软件缺陷分类方法,针对现有缺陷分类方法不能完全适用于航空机载软件缺陷管理的问题,结合机载软件研制阶段和特点,以现有软件缺陷分类方法为基础,综合考虑缺陷度量分析的要求,提出一种符合航空机载软件研制特点的缺陷分类方法,并给出了“缺陷类别”详细的分类.将其应用于实际软件研制过程中,应用结果表明,该方法满足机载软件缺陷分类原则.     

软件故障分析方法与软件质量评价模型的研究

本文基于对软件常见故障产生原因的分析,并基于对软件运行环境的探讨,提出面向领域的一种软件质量评价模型的构建方法,对于软件系统评价具有一定借鉴意义。     

浅析软件缺陷管理及工具的选择

软件缺陷是软件开发过程中不可避免的,因此有效的缺陷管理成为过程管理的重要环节,而且开发过程中产生缺陷的数量又非常多,因此选择合适项目本身的缺陷管理工具就显得尤为重要.通过对缺陷产生的原因和工具选择方法,使我们了解什么是软件缺陷,以及软件缺陷管理和使用管理工具的好处.     

Scrum中软件缺陷管理方法的研究与应用

针对某公司互联网产品的开发项目,分析基于Scrum的软件敏捷开发过程,给出其缺陷管理目标,即敏捷地响应缺陷和实时地改进开发过程,设计相应的缺陷管理方法,包括缺陷管理流程模型以及缺陷度量方法。在此基础上,开发缺陷管理工具RQMS并加以应用。应用结果表明,该缺陷管理方法在基于Scrum软件敏捷开发中具有较好的效果。     

基于BP神经网络软件测试缺陷预测技术研究及应用

针对软件缺陷预测模型预测准确率较差问题,指出了软件缺陷预测和软件测试缺陷的预测概念区别,根据影响软件缺陷发现因素构建BP神经网络软件测试预测模型,通过工程实践历史样本数据训练该模型获得预测能力提升,并经过假设检验方法证明预测结果符合以软件测试实际发现缺陷个数为中心点的正态分布.实验结果表明:随着真实训练样本数据增加,预测结果估计值与实际值的误差逐步缩小,估计值的方差逐步减小,预测的准确性逐步提高.     

软件缺陷管理方案分析

基于作者软件开发和软件测试的工作经历,给出了一套软件缺陷管理方案,该方案对软件缺陷的管理内容和生命周期进行重点分析,定义了软件缺陷在其生命周期中的各个状态,以及状态之间的转换过程,然后在软件缺陷权利管理中给出了权限和角色分配方法,最后对方案提出了一些不足和改进。     

基于文件粒度的多目标软件缺陷预测方法实证研究

软件缺陷预测技术通过挖掘和分析软件库训练出软件缺陷预测模型,随后利用该模型来预测出被测软件项目内的缺陷程序模块,因此可以有效地优化测试资源的分配.在基于代价感知的评测指标下,有监督学习方法与无监督学习方法之间的预测性能比较是最近的一个热门研究话题.其中在基于文件粒度的缺陷预测问题中,Yan等人最近对Yang等人考虑的无监督学习方法和有监督学习方法展开了大规模实证研究,结果表明存在一些无监督学习方法,其性能要优于有监督方法.基于来自开源社区的10个项目展开了实证研究.结果表明：在同项目缺陷预测场景中,若基于ACC评测指标,MULTI方法与最好的无监督方法和有监督方法相比,其预测性能平均有105.81%和123.84%的提高;若基于P_OPT评测指标,MULTI方法与最好的无监督方法和有监督方法相比,其预测性能平均有35.61%和38.70%的提高.在跨项目缺陷预测场景中,若基于ACC评测指标,MULTI方法与最好的无监督方法和有监督方法相比,其预测性能平均有22.42%和34.95%的提高.若基于P_OPT评测指标,MULTI方法与最好的无监督方法和有监督方法相比,其预测性能平均有11.45%和17.92%的提高.同时,基于Huang等人提出的PMI和IFA评测指标,MULTI方法的表现与代价感知的指标相比存在一定的折衷问题,但仍好于在ACC和P_OPT评测指标下表现最好的两种无监督学习方法.除此之外,将MULTI方法与最新提出的OneWay和CBS方法进行了比较,结果表明,MULTI方法在性能上仍然可以显著优于这两种方法.同时,基于F1评测指标的结果也验证了MULTI方法在预测性能上的显著优越性.最后,通过分析模型构建的时间开销,表明MULTI方法的模型构建开销对开发人员来说处于可接受的范围之内.     

软件缺陷预测技术研究进展

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.