论文部分内容阅读
软件产品中的缺陷数量足评价软件质量的一项重要指标,也是软件工程领域研究一直关注的对象。减少软件产品缺陷、提高软件质量始终是软件开发工作追求的目标。软件测试是目前为减少软件缺陷采用的常用方法。但软件测试成本高昂,且只有在开发过程中和开发工作完成后才可进行,那时开发组织往往已没有足够时间排除缺陷。为了降低开发成本,在有限的资源限制下更有效地提高软件产品的质量,软件工程领域开始了对软件缺陷预测的研究。软件缺陷预测方法假设在高复杂度模块具有高缺陷率的前提下,用软件产品统计数据表征软件产品的复杂程度对软件模块的缺陷状况进行预测。根据预测结果,软件开发组织可以将有限的资源集中于容易出现缺陷的高风险模块,从而更有效地发现缺陷,提高软件产品质量和可靠性。目前软件缺陷预测技术已经被广泛认为是提高软件可靠性和软件质量的一种有效方法,在该领域内开展的研究工作也越来越多。
本文深入研究了软件缺陷和缺陷预测的相关概念,并分析和对比了现有的缺陷预测方法,在此基础上提出了基于主成分分析PCA的软件缺陷预测方法。PCA是统计学中的一种重要统计方法,将它引入缺陷预测领域可以达到预测软件系统综合性能的目的。同时,针对传统PCA方法在分析指标发生变量多重情况时预测准确性会降低的缺陷,提出了改进的PCA预测方法。在预测结束后就是进行缺陷的排除与管理了,本文提出了缺陷排除有效性模型及其对模型的优化,来达到对缺陷管理功能
基于上述工作,本文通过在项目开发中积累的数据,用PCA预测模型进行预测,并利用缺陷排除有效性模型对缺陷进行排除,结果取得了良好的效果。