[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

说明书

本发明涉及一种基于贝叶斯理论的软件VV有效性度量方法，属于软件VV技术领域，解决了现有软件VV有效性度量方法不可靠且效果度量值不准确的问题。该方法包括如下步骤：获得历史VV活动中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有效性预测模型参数中的VV能力因素；根据VV有效性预测模型获得当前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；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。该方法结合经验数据和实际测试数据，基于贝叶斯理论进行数据融合，综合地给出VV活动有效性指标，使度量结果更加准确。

技术领域

本发明涉及软件VV技术领域，尤其涉及一种基于贝叶斯理论的软件VV有效性度量方法。

背景技术

软件VV是现阶段该领域专家比较认可的一种保证软件质量的有效方法。

现阶段，针对软件VV有效性度量方法的研究较少，一般依据IEEE1012标准附录部分给出的VV有效性度量方法。该VV有效性度量方法是通过实际VV工作(活动)中发现的异常数与所有来源中已发现的异常数的比值来度量VV工作的有效性。较低的VV效果度量值表明软件开发工作有效，或VV工作需要改进，或两者皆有；较高的VV效果度量值，表明程序开发过程需要改进，或VV过程有效，或VV过程仅需要进行递增变更。

现有技术中，软件的VV活动受众多不确定性因素的影响，导致上述VV效果度量值并不准确。现有技术没有对历史经验数据及当前VV过程评估数据加以使用，使得度量的预测能力差。并且，只有当所有质量活动结束后才能给出度量数据，对当前VV活动的执行缺少直接指导，当其他质量活动有效性不足时，可能使VV度量数据出现巨大偏差。

截止至目前，软件VV活动的有效性度量一直是软件VV领域内的一个技术难点。

发明内容

鉴于上述的分析，本发明实施例旨在提供一种基于贝叶斯理论的软件VV有效性度量方法，用以解决现有软件VV有效性度量方法不可靠且效果度量值不准确的问题。

一方面，本发明实施例提供了一种基于贝叶斯理论的软件VV有效性度量方法，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；

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；如果有效性较差，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。

上述技术方案的有益效果如下：上述方法通过对VV历史经验数据(每个分析复杂度下，VV对象存在缺陷全部被VV活动发现的概率)进行分析，估计VV有效性先验概率(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)，通过后续测试结果给出后验概率，基于贝叶斯理论进行两种概率的融合，综合地给出VV活动有效性指标(VV对象存在缺陷全部被VV活动发现的概率)，可以达到VV有效性准确预测。并且，由于利用VV历史经验数据进行统计分析，使得科研人员在执行VV活动前能够获得预测VV有效性度量指标(对应上面预测的软件当前VV对象存在缺陷全部被VV活动发现的概率)。用贝叶斯理论进行数据融合，使VV有效性度量数据在历史经验数据的基础上综合当前VV活动的特殊性给出有效性度量值，使度量结果更加准确。

基于上述方法的另一个实施例中，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；