[发明专利]一种基于贝叶斯理论的软件V＆V有效性度量方法

权利要求书

1.一种基于贝叶斯理论的软件VV有效性度量方法，其特征在于，包括如下步骤：

根据软件的历史VV活动数据，获得每一预设分析复杂度下，VV对象存在缺陷全部被VV活动发现的概率；

建立VV有效性预测模型，根据上述概率，分析获得VV能力因素；

所述VV有效性预测模型为：

式中，P表示预测的软件当前VV对象存在缺陷全部被VV活动发现的概率，C表示模型系数，x表示分析复杂度，r表示VV能力因素；

预设分析复杂度下，根据上述VV能力因素获得预测的软件当前VV对象存在缺陷全部被VV活动发现的概率，判断软件VV有效性；如果有效性小于预设阈值，降低分析复杂度，重复判断，直到有效性满足需求为止；

建立VV有效性度量模型，计算在满足需求的上述分析复杂度下VV对象存在缺陷全部被VV活动发现的概率，作为软件当前VV有效性度量值；

所述VV有效性度量模型为：

式中，P(B1)表示预测的软件当前VV对象存在缺陷全部被VV活动发现的概率，k表示执行VV活动后VV对象缺陷被发现概率，m表示执行VV活动后VV对象缺陷被遗漏概率。

2.根据权利要求1所述的基于贝叶斯理论的软件VV有效性度量方法，其特征在于，所述根据软件的历史VV活动数据、获得每一预设分析复杂度下VV对象存在缺陷全部被VV活动发现的概率，包括如下步骤：

搜集各个分析复杂度下，软件的历史VV活动数据；

对软件的历史VV活动数据进行分析，建立VV活动数据库，所述数据库包含分析复杂度，以及各个分析复杂度下对应的存在的缺陷全部被VV活动发现的VV对象数量，存在的缺陷未全部被VV活动发现的VV对象数量；

计算在各个分析复杂度下，VV对象存在缺陷全部被VV活动发现的概率。

3.根据权利要求2所述的基于贝叶斯理论的软件VV有效性度量方法，其特征在于，任一分析复杂度下，所述VV对象存在缺陷全部被VV活动发现的概率P₁为

式中，N₁表示存在的缺陷全部被VV活动发现的VV对象数量，N₂表示存在的缺陷未全部被VV活动发现的VV对象数量。

4.根据权利要求3所述的基于贝叶斯理论的软件VV有效性度量方法，其特征在于，所述根据上述概率分析获得VV能力因素，包括如下步骤：

根据分析复杂度x为零时P＝99％，带入所述VV有效性预测模型，获得模型系数C；

针对每一预设分析复杂度，令P₁＝P，将上述模型系数C带入所述VV有效性预测模型，获得每一预设分析复杂度下的VV能力因素；

对上述每一预设分析复杂度下的VV能力因素进行数值分析，获得表征VV综合能力的VV能力因素。

5.根据权利要求4所述的基于贝叶斯理论的软件VV有效性度量方法，其特征在于，所述数值分析采用平均值数值分析方法，所述表征VV综合能力的VV能力因素表示为：

式中，r_x表示分析复杂度为x时的VV能力因素，x表示分析复杂度，n表示分析复杂度区间上限。

6.根据权利要求4所述的基于贝叶斯理论的软件VV有效性度量方法，其特征在于，所述预设分析复杂度下、根据上述VV能力因素获得预测的软件当前VV对象存在缺陷全部被VV活动发现的概率、判断软件VV有效性，包括如下步骤：

预设分析复杂度，将所述分析复杂度、表征VV综合能力的VV能力因素的数值带入所述VV有效性预测模型，获得预测的软件当前VV对象存在缺陷全部被VV活动发现的概率；

将上述预测的软件当前VV对象存在缺陷全部被VV活动发现的概率与预设阈值进行比较，如果其大于等于预设阈值，判定所述分析复杂度选取合适，继续执行后续步骤；如果其小于预设阈值，按预设规则减小所述分析复杂度的数值，重复上述步骤，直到其大于等于预设阈值为止。