基于BP神经网络的工作量估算模型

为了能够对敏捷开发项目进行有效的工作量估算,提出了一种基于BP神经网络的工作量估算模型。考虑到数据集中存在的一些噪声数据以及错误数据,并且软件开发工作量与其影响因子之间存在着复杂的非线性关系,基于人工神经网络,提出了适合该问题的工作量估算模型;并针对该模型给出了具体的实现和验证,与其他估算方法进行了比较,证实了本文中所提出的工作量估算模型具有良好的性能。     

应用于小型企业的软件工作量估算方法

软件开发工作量估算对于项目计划制订、项目进度管理、人力资源调配、项目成本控制有着重要意义。文章以某小型软件公司为例,描述了适应于类似公司的软件开发工作量估算技术:使用微软解决框架(MSF),将项目实施过程分类,对每类工作研究适宜的估算方法;对于不同工作项,分别采用基于剪裁后的通用算法模型或基于经验的算法模型。介绍了功能点分析方法在小型企业的具体应用,及其参数调整方法。     

一种软件工作量估算的不确定性度量方法

以COCOMO81模型为基础,结合模型输出方差以及模型与数据自身方差的组合,分别度量模型本身估算值与实际值差距的不确定性,并在此基础上给出预测区间。提出以命中率(SR)与平均相对宽度(MRV)相结合的评测标准。通过采用重采样获得N对训练和测试集合,计算不同置信度下区间SR和MRV的均值,运用SR和MRV的散点图比较不同度量方法获得区间。实验结果表明,该方法能以相同的命中率获得更窄的区间。     

RUP估算过程模型

软件行业估算追踪记录显示软件项目的失败率仍很高,估算问题是基本的原因之一.估算方法的创新没有出现期望的突破,而通过可控的过程,可以获得期望的结果.提出了一个过程模型,用于指导软件项目展开一系列估算相关的活动.该过程模型包括两部分,一是RUP估算过程,其详细描述了RUP开发模型里每个开发管理阶段应如何进行估算;二是用贝叶斯网络对RUP估算过程模型建立图形化推理模型,它能有效地用于估算分析、交流、权衡以及风险预测等.RUP估算过程解决了估算活动的定义问题,但不便于形成清晰的估算视图.软件估算的特点很适合用贝叶斯网络进行建模.贝叶斯工作量估算模型是RUP估算过程模型的抽象;ESFQ模型详细建模了软件项目关键因素之间的权衡关系.案例分析证明了该过程模型的适用性.     

一种基于估算的定量软件过程变更方法

软件过程变更是适应多变的软件开发环境的一种有效手段。定量管理对于软件过程变更,尤其是变更决策与计划阶段的有效实施有着重要作用。软件估算技术作为一种定量的分析和预测技术,可用于估算软件过程变更的工作量、风险和成本,为变更决策与计划提供定量指导。提出一种基于估算的软件过程变更方法,并介绍了该方法在一个过程支持系统CPMS中的实现。     

用于软件开发工作量估算的IOP模型

软件开发工作量估算可以为多项与组织决策和项目管理相关的任务提供有效的支持.根据工作量估算的不同目标,通过对COCOMO Ⅱ成本驱动因子进行扩充和对国内外最新软件项目数据进行回归分析,建立了一个用于工作量估算的IOP模型.该模型采用统一框架,分别从行业水平、组织水平和项目特征3个层次实现基于规模的软件开发工作量估算,以满足针对软件行业、软件组织和特定软件项目的不同的估算目标,例如项目招标、软件组织不同项目的管理和具体软件项目的管理等.最后,给出了IOP模型应用的若干实例.     

基于敏捷开发的工作量估算模型的研究

为了能够对敏捷开发项目进行有效的工作量估算,提出了一种基于人工神经网络的工作量估算模型.根据ISBSG (international software benchmarking standard group)数据集的特点,对数据集进行预处理.利用主成分分析方法对工作量的影响因子进行压缩,得到了针对敏捷开发的综合影响因子集合.基于BP神经网络,建立了工作量估算模型.给出了该模型的具体实现步骤和实验验证,并将实验结果与其他估算方法进行比较.实验结果表明,该模型能很好地实现敏捷开发的工作量估算,且明显优于其他估算方法.     

嵌入式系统软件工作量多源线性估算方法仿真

针对当前方法估算嵌入式系统软件工作量时,存在估算误差率高、估算效率低等问题,提出基于灰色关联分析的嵌入式系统软件工作量多源线性估算方法.采用回归分析方法分析软件工作量中相互关联变量之间的关系,并构建软件度量数据模型,对软件项目之间的关联度进行计算,利用特征对软件项目进行描述,构建软件项目特征和软件工作量之间的函数关系,...     

面向过程的软件项目估算

面向过程的软件项目估算方法,提供了一种方法框架支持实践中最流行的估算技术一专家估算和类似估算,目的是使估算透明和可重复,它基于软件开发过程的标准化分解,RUP用作开发过程的一个例子,估算是基于项目中执行的活动。     

软件工作量最优线性组合估算方法

软件工作量估算的方法和技术众多且各有千秋,没有一种方法被证明在各种情况下的估算都是最精确的.组合估算是一种非常有效的估算方法,它避免了选择单一的最优估算方法这一难题,而是充分利用各种估算方法提供的信息来达到提高估算精确度和稳定性的目的.将系统的"外部"组合预测方法介绍到软件工作量估算领域,基于最具代表性的组合估算方法:最优线性组合方法,提出了软件工作量估算的最优线性组合方法,该方法中即使是估算效果"较差"的技术或者方法也能为估算精度和稳定性的提高做出贡献.     

软件项目管理的知识语义模型

探讨了构建一个基于软件项目管理的知识语义模型,它是软件项目管理系统的核心,包含过程模型、资源模型和产品模型。使用这个模型去开发一个软件项目管理系统,以帮助管理员去控制软件开发过程。     

An Examination of Determinants of Software Testing and Project Management Effort

Software estimation research has primarily focused on software effort involved in direct software development. As more and more organizations buy instead of building software, more effort is spent on software testing and project management. In this empirical study, the effect of program duration, computer platform, and software development tool (SDT) on program testing effort and project management effort is studied. The study results point to program duration and software tool as significant determinants of testing and management effort. Computer platform, however, does not have an effect on testing and management effort. Furthermore, the mean testing effort for third generation (3G) development environment was significantly higher than the mean testing effort for fourth generation (4G) environments that used IDE. In addition, the management effort for 4G environment projects without the use of IDE was lower than nonprogramming report generation projects.     

软件项目估算中分解技术与经验模型比较

为了得到软件项目可靠的成本和工作量的估算,有很多选择,分解技术和经验模型是也可行的办法。文章通过对分解技术和经验模型中常使用的估算方法分别做了定义。最后通过对一个机械CAD软件进行估算,比较了分解技术的估算方法和经验估算模型中的软件方程式模型结果,理想的情况是同时使用多种技术,相互进行交叉调和,能得到更精确地估算。     

基于RUP的软件过程及应用

RationalUnifiedProcess(RUP)将项目管理、商业建模、分析与设计等统一起来,贯穿整个开发过程。讨论了基于RUP的软件过程,并把该过程应用于水电厂综合管理信息系统的开发。与传统的软件过程相比较,基于RUP的软件过程可以降低产品风险,规范管理和开发流程,有效地控制资源,提高开发效率。     

软件项目策划中的工作量估算方法探讨

文章对软件项目策划中工作量的估算方法进行了探讨,并重点介绍了一种基于组织经验和项目的实际情况来确定估算系数并进行工作量估算的方法,旨在为软件企业进行工作量估算、实行过程改进提供参考和帮助。     

基于用户需求的软件项目风险管理模型

控制软件项目的风险是软件项目管理的重要组成部分。目前的软件风险管理方法存在着一些不足,在软件项目管理实践中不能取得最佳效果。文章通过对软件产品开发中资源、用户需求和产品之间的内在关系的分析,提出了基于用户需求的软件项目风险管理模型,该模型从用户需求角度出发,通过软件过程技术、产品工程技术和度量技术的支持可以有效地控制软件项目风险,保证了软件产品满足用户需求的能力,从而使软件项目达到成功。在模型的基础上,文章对实现模型的技术进行了研究,给出了模型的BayesianBeliefNetworks实现方法。     

一种嵌入式软件项目估计方法

软件项目估计是CMM2级软件项目策划KPA的基础,是软件开发中的一个重要环节。合理的估计是保证软件项目符合预算和进度要求的前提条件。描述了基于CMM的软件估计的过程,介绍了一种基于嵌入式软件项目的估计方法,并结合具体实例对规模估计、工作量／成本估计、关键计算机资源估计和进度估计的内容进行了细致的阐述。该研究为有效地规划和管理嵌入式软件项目,制定合理可行的软件开发计划提供了有力的支持。     

基于类推和灰色模型的软件阶段成本预测

准确预测软件成本是软件工程领域最具挑战性的任务之一。软件开发固有的不确定性和风险性,使得仅仅在项目早期预测总成本是不够的,还需要在开发过程中持续预测各个阶段的成本,并根据变化趋势重新分配资源,以确保项目在规定的时间和预算内完成。由此,提出一种基于类推和灰色模型的软件阶段成本预测方法——AGSE(Analogy & Grey Model Based Software Stage Effort Estimation)。该杂交方法通过合并两种方法的预测值得到最终的预测结果,避免了单独使用其中一种方法预测时存在的局限性。在真实的软件项目数据集上的实验结果表明,AGSE的预测精度优于类推方法、GM(1,1)模型、GV方法、卡尔曼滤波和线性回归,显示出较大的潜力。     

二次回归学习及其在软件开发工作量预测上的应用

回归学习是用于对具有实值标记样本进行学习建模的监督学习技术。为获得良好的预测性能,通常需要大量的训练样本,然而,在实际应用中可收集到的训练样本数量极少。针对该问题,提出一种基于二次学习框架的新型二次回归学习方法———基于神经网络集成的回归树算法( NERT)。该方法借助虚拟样本生成技术,通过串行执行的两个学习阶段对其进行有效利用,有效缓解训练样本不足的困难,从而提升学习性能。同时,通过为两个阶段分别选择泛化能力强和理解性好的学习方法,可得到预测性能好且可理解性高的模型。实验结果表明在训练样本极少的软件开发工作量预测问题上,NERT方法能够从小样本数据得到比现有方法更好的预测性能,同时其模型内在可理解性能够揭示工作量预测的关键因素。