软件缺陷模式的研究

软件缺陷是导致软件不可靠的根本原因,提高软件可靠性的关键在于减少软件缺陷,那么如何利用积累的缺陷数据提高软件可靠性?结合软件缺陷和模式的概念提出了软件缺陷模式的定义。通过分析积累的软件缺陷数据对缺陷模式的所属分类进行了划分,在此基础上进一步给出了软件需求分析、设计和编码各阶段的软件缺陷模式。最后阐述了在软件开发过程和测试过程中缺陷模式的应用,为如何利用缺陷数据来提高软件可靠性提供了思路。     

软件缺陷及软件可靠性技术

近年来的研究表明，系统发生的失效更多的是由于软件缺陷引起的。因此软件可靠性成为系统可靠性的关键，也是高可靠性和高可用性系统的一个主要的研究内容。该文在描述了软件可靠性与硬件可靠性不同的基础上，对软件可靠性模型、软件缺陷，以及软件可靠性技术进行了总结和论述。     

基于GMDH因果关系的软件缺陷预测模型

软件缺陷预测是软件可靠性研究的一个重要方向。基于自组织数据挖掘(GMDH)网络与因果关系检验理论提出了一种软件缺陷预测模型,借鉴Granger检验思想,利用GMDH网络选择与软件失效具有因果关系的度量指标,建立软件缺陷预测模型。该方法从复杂系统建模角度研究软件度量指标与软件缺陷之间的因果关系,可以检验多变量之间在非线性意义上的因果关系。最后基于两组真实软件失效数据集,将所提出的方法与基于Granger因果检验的软件缺陷预测模型进行比较分析。结果表明,基于GMDH因果关系的软件缺陷预测模型比Granger因果检验方法具有更为显著的预测效果。     

基于生命周期的软件缺陷预测技术

为保证软件可靠性和软件质量,在基于软件开发周期的基础上,提出了一种利用PCA-BP模糊神经网络的软件缺陷预计方法.针对影响软件可靠性的各种因素,依据相关的标准,结合工程实践,选取了影响软件可靠性的度量元.收集了实际工程中的一类飞行控制软件的度量数据,利用提出的模型进行缺陷预测,并将预测结果与传统的BP神经网络模型计算的结果进行了对比.对比结果表明,与基于BP神经网络的预测方法相比较,结合了主成分分析方法的PCA-BP神经网络预测方法具有更快的收敛速度和更高的预测准确度.     

一种考虑缺陷关联的软件可靠性增长模型

非齐次泊松过程类软件可靠性增长模型(NHPP-SRGMs)是评价软件产品可靠性指标的有效工具,但大多数该类模型都未考虑软件缺陷关联这一测试过程中普遍存在的现象。该文在考虑软件缺陷关联关系的基础上对缺陷进行分类,提出一个改进的NHPP类软件可靠性增长模型。在一组失效数据上的实验分析表明,改进的模型具有较好的拟合效果和预测能力。     

代价敏感分类的软件缺陷预测方法

软件缺陷预测是提高软件测试效率,保证软件可靠性的重要途径。考虑到软件缺陷预测模型对软件模块错误分类代价的不同,提出了代价敏感分类的软件缺陷预测模型构建方法。针对代码属性度量数据,采用Bagging方式有放回地多次随机抽取训练样本来构建代价敏感分类的决策树基分类器,然后通过投票的方式集成后进行软件模块的缺陷预测,并给出模型构建过程中代价因子最优值的判定选择方法。使用公开的NASA软件缺陷预测数据集进行仿真实验,结果表明该方法在保证缺陷预测率的前提下,误报率明显降低,综合评价指标AUC和F值均优于现有方法。     

软件测试与软件可靠性研究

软件测试能发现软件错误、排除软件缺陷,软件测试是在软件投入运行之前,对软件需求规格说明、软件设计、软件编码的最后复审。测试用例的设计和选取的合理和恰当直接影响软件测试的效率,测试中收集到的可靠性数据可以用于软件可靠性模型中进行软件可靠性评估,进而提高软件可靠性。     

跨项目软件缺陷预测方法研究综述

软件缺陷预测是提高软件测试效率、保证软件可靠性的重要途径,已经成为目前实证软件工程领域的研究热点。在软件工程中,软件的开发过程或技术平台可能随时变化,特别是遇到新项目启动或旧项目重新开发时,基于目标项目数据的传统软件缺陷预测方法无法满足实践需求。基于迁移学习技术采用其他项目中已经标注的软件数据实现跨项目的缺陷预测,可以有效解决传统方法的不足,引起了国内外研究者的极大关注,并取得了一系列的研究成果。首先总结了跨项目软件缺陷预测中的关键问题。然后根据迁移学习的技术特点将现有方法分为基于软件属性特征迁移和软件模块实例迁移两大类,并分析比较了常见方法的特点和不足。最后探讨了跨项目软件缺陷预测未来的发展方向。     

基于机器学习的软件缺陷预测研究

基于机器学习的软件缺陷预测是一种有效的提高软件可靠性的方法。该方法基于软件模块的统计特性预测软件模块可能出现的缺陷数或是否容易出现缺陷。通过对软件模块缺陷状况的预测,软件开发组织可以将有限的资源集中于容易出现缺陷的模块,从而有效地提高软件产品的质量。基于机器学习的软件缺陷预测近年来出现了很多研究成果,文章概述该领域近年来的主要研究成果,并根据各方法的特点进行了分类。     

结合欠抽样与集成的软件缺陷预测

软件缺陷预测是提高测试效率、保证软件可靠性的重要途径。为了提高软件缺陷预测的准确率,提出一种结合欠抽样与决策树分类器集成的软件缺陷预测模型。考虑到软件缺陷数据的类不平衡特性,首先,通过数据的不平衡率确定抽样度,执行欠抽样实现数据的重新平衡;然后,采用Bagging随机抽样原理训练若干个决策树子分类器;最后,按照少数服从多数的原则生成预测模型。使用公开的NASA软件缺陷预测数据集进行了仿真实验。实验结果表明,与3种基准方法对比,所提模型在保证预报率的前提下,误报率(PF)降低了10%以上,综合评价指标均有显著提升。该模型的缺陷预测误报率较低,而且具有较高的预测准确率与稳定性。     

基于正交缺陷分类的软件过程测量方法

软件过程是否有效,对评估软件产品的质量和提高组织的软件能力成熟度具有重要意义.正交缺陷分类(ODC)技术是一种对软件过程的有效性进行量化测量的方法.ODC技术基于对缺陷的分析,它依据一组正交的缺陷属性把缺陷归纳为不同的类别.这些互不相关的属性代表了缺陷的有效特征.软件产品的缺陷属性的统计分析,体现了对软件过程的测量结果,并将其反馈给开发团队.通过缺陷类型属性的应用实例,阐述了ODC技术的基本使用方法.     

软件可靠性模型建立

本文给出一个实际软件的可靠性模型，这是一个小型软件，通过此软件可靠性模型的建立，我们得出下面的结论：一般中、小型软件的可靠性不一定适合指数分布，此例的软件为幂函数分布的。     

软件可靠性模型应用中的不一致性与软件可靠性专家系统

关于软件系统故障行为的统计假设,是软件可靠性模型的理论基础 。由此产生应用中的不一致性,使用户对这些估测结果迷惑不解,“谁的结果最可信”？我们以“故障数据是软件可靠性分析的基础”为原则,采用人工智能技术,建立软件可靠性专家系统（SRES：Software Reliability Expert System),以解决软件可靠性模型应用中的不一致性难题。最后,报告该系统的使用及与国外一些软件可靠性量测工具的比较。     

多模块软件系统的最优发布原则

本文从软件模块的角度对软件系统对的可靠性和测试成本做出具体分析,讨论了多模块软件系统的成本和可靠性分配方式,从而使整个软件系统用最低的测试成本达到所要求的可靠性目标,然后用一个简单的例子说明了如何进行软件模块的可靠性和成本分配,从而实现软件的最优发布。     

A mathematical modeling framework for software reliability testing†

Software reliability testing refers to various software testing activities that are driven to achieve a quantitative reliability goal given a priori or lead to a quantitative reliability assessment for the software under test. In this paper we develop a modeling framework for the software reliability testing process, comprising a simplifying model and a generalized model. In both models the software testing action selection process and the defect removal mechanism are explicitly described. Both the discrete-time domain and the continuous-time domain are involved. The generalized model is more accurate or realistic than the simplifying model since the former avoids the assumption that defects are equally detectable and the assumption that defects are removed upon being detected. However simulation examples show that the simplifying model really captures some of essential features of the software testing process after a short initial testing stage. The modeling framework is practically realistic, mathematically rigorous, and quantitatively precise. It demonstrates that the relationship between software testing and delivered software reliability, which was poor understood, can well be formulated and quantified. Rigorous examinations show that several common assumptions adopted in software reliability modeling, including the independence assumption, the exponentiality assumption, and the NHPP assumption, are theoretically false in general. This paper sets a good starting point to further formalize and quantify the software testing process and its relation to delivered software reliability.     

一种软件可靠性评估模型及其Petri网描述

通过提出k-可靠模型,对现有软件可靠性评估方法所依据的模型进行重构,并根据Petri网及软件可靠性的相关理论,对构成软件系统的各个组件进行可靠性评估,从而实现对软件系统的可靠性评估,并介绍一种自底向上的可靠性计算过程。该方法能对软件系统的进行分解和综合计算,达到对整个软件系统可靠性评估的目的。     

基于拟似然估计方法的软件失效预测模型

软件缺陷预测是软件可靠性研究的一个重要方向。由于影响软件失效的因素有很多,相互之间关联关系复杂,在分析建模中常用联合分布函数来描述,而实际应用中难以确定,直接影响软件失效预测。基于拟似然估计提出一种软件失效预测方法,通过主成分分析筛选影响软件失效的主要影响因素,建立多因素软件失效预测模型,利用这些影响因素的数字特征(均值函数和方差函数)以及采用拟似然估计方法估计出模型参数,进而对软件失效进行预测分析。基于两个真实数据集Eclipse JDT和Eclipse PDE,与经典Logistic回归和Probit回归预测模型进行实验对比分析,结果表明采用拟似然估计对软件缺陷预测具有可行性,且预测精度均优于这两种经典回归预测模型。     

软件可靠性数据收集的方法和技术

软件可靠性数据是进行软件可靠性分析和估测的基础，在整个软件可行性研究中占着重要的地位。本文在汇总分析软件可靠数据的基础上，对其进行了合理的分类，从而提出一个套收集软件可靠性数据的系统化方法，并探讨了实现自动化收集软件可靠性数据的基本技术。