基于自学习的软件质量实时预警模型

• 作者: 刘原序 韩培胜
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 软件质量管理 支持向量机 属性约简 质量预警
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 软件技术与研究
• 页码范围: 36-43
• 页数: 8页
• 分类号: TP302
• 字数: 7625字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.02.006

摘要

软件质量的管理和控制在软件开发项目管理研究中十分重要,但现有的软件质量分析模型通常都是针对软件最终产品进行评估,并且其对于数据集中产生的变化不敏感,难以适应多变的开发环境.利用主成成分分析法(PCA)和一种可自主生成学习样本集的增量支持向量机(IL-SVM)提出一种可以自我进行规则增量学习的实时软件质量进行分析的预警模型.通过主成成分分析法来降低原始数据集的属性维度,然后在利用可增量学习的支持向量机来进行软件质量预警,最后利用NASA的数据集进行相关实验.结合实际情况进行分析,该方法在质量预警方面具有较好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘原序	解放军信息工程大学密码工程学院	2	1	1.0	1.0
2	韩培胜	解放军信息工程大学密码工程学院	1	0	0.0	0.0