一、面向对象软件的质量度量(论文文献综述)
唐佳丽[1](2021)在《面向对象软件测试性度量及应用研究》文中提出随着现代武器装备软件的规模和功能不断扩大,软件测试工作越来越繁杂,软件测试的难度也在不断扩大,这使得软件测试的费用和成本也在逐年增加。造成软件测试困难、费用高的原因有很多,如文档质量差、测试人员的技术水平低、软件编码不符合规范、需求变更等,但究其根本原因是软件本身的测试性较差。本文以此为背景,基于公司积累的大量软件测试数据,对面向对象软件测试性度量技术展开了全面系统的研究。本文的主要研究工作及创新点如下:1.软件测试性影响因素分析在深入分析理解软件测试概念、软件测试性内涵、测试性研究现状的基础上,我们认为:软件测试性就是软件在测试阶段执行相应测试任务时所表现出来的一种外部质量特性,软件测试性的水平可以通过测试工作量的多少或通过软件本身的属性反映出来。进而,通过研究软件测试相关过程,本文将影响面向对象软件测试性的因素划分为五类:源代码因素、文档质量、测试环境、测试工具、管理因素,其中源代码因素和文档因素为重要因素。然后从单元测试、集成测试、系统测试、回归测试四个测试阶段对源代码因素进行分析,从准确性、规范性、可追踪性、完整性等四个方面对文档因素进行分析。2.软件测试性参数确定基于实际测试过程中按功能模块进行测试的特点,结合bug管理工具中的记录,构建测试性参数的工程计算方法,将功能块平均bug检测时间作为表征软件测试性水平的测试性参数,进而指导软件设计,提高了软件测试性参数与软件测试性以及软件测试活动的相关性、工程实用性。3.基于支持向量机的测试性度量模型的构建本文将基于粗糙集理论建立的软件测试性无冗余度量集作为模型的输入样本,使用支持向量机建立测试性度量模型,并利用遗传算法(GA)、布谷鸟搜索算法(CS)实现了测试性度量模型中三个参数C、g、ε的自适应选择。实验结果表明,基于布谷鸟搜索算法构建的测试性度量模型具有更好的预测效果。为了进一步加强测试性度量模型的预测能力,本文对布谷鸟搜索算法的步长缩放因子β及发现概率Pa的计算公式进行了改进,实验结果表明改进后的布谷鸟搜索算法(ICS)在全局搜索能力、收敛速度上均有所提升,可应用于实际工程当中。
王义晨[2](2021)在《基于面向对象方法的jBPM4.4主控子系统软件体系结构分析工具的设计与实现》文中进行了进一步梳理针对工作流管理系统的主控子系统软件质量评估问题,本课题以j BPM4.4(Java Business Process Management)开源工作流系统平台为例,重点针对其主控子系统,基于面向对象方法分析该子系统的软件体系结构,并设计实现了相应的分析工具,同时将该工具应用于教务管理信息系统(Educational Management Information System,EMIS)中,具体完成了以下几方面的工作:1、通过对j BPM4.4主控子系统源码的分析研究,对其软件体系结构的特点进行分析说明。基于面向对象方法,从源码的角度利用逆向软件工程方法进行研究,获取整个主控子系统的软件体系结构特征。2、利用MOOD(Metrics for Object-Oriented Design)技术,对主控子系统进行了分析研究,即通过相应的度量指标对该主控子系统进行度量分析,从而建立软件体系结构分析模型。基于该分析模型,设计开发了分析工具,该工具从面向对象的角度对主控子系统进行度量分析。3、利用上述分析工具,本课题以EMIS为应用目标,通过对其源码的分析,将EMIS主控子系统与j BPM4.4主控子系统的代码的MOOD计算结果进行比较,发现EMIS主控子系统耦合度过高。进而得出了改进EMIS的主控子系统软件体系结构的方案,即降低该子系统代码的耦合度。通过改进,使其软件体系结构更加符合面向对象软件“高内聚,低耦合”的特性。实验结果表明本课题设计的分析工具具有一定的软件体系结构分析作用。
张玉[3](2020)在《软件度量关键技术研究》文中认为21世纪以来,互联网技术迅猛发展,计算机已经完全融入人们生活的方方面面。随着人们日益增长的物质和文化需求,软件作为计算机系统的灵魂,其种类更加繁多,规模更加庞大,架构也更加复杂。与此同时,由软件质量引发的一系列安全问题也越来越严重,安全可靠的软件已经成为软件开发的标准。软件度量一直是软件工程领域保证软件质量的有效手段,主要从复杂性、可靠性、可维护性等角度进行度量评估。然而,目前大多数的软件度量研究工作中度量维度较为单一,而单一的特性已无法满足人们对软件的需求。因此本文重点从与软件安全相关的复杂度、恶意性和漏洞风险三个维度对软件进行安全风险度量,以期望更好地提早发现软件中存在的问题。本文的主要工作和贡献如下:(1)针对现有的软件复杂度度量方法中,存在对衡量程序复杂度的指标考虑不够全面的问题,本文提出一种改进的面向对象的软件复杂度度量方法—ECB度量。该方法考虑了多继承、多态、函数调用等导致复杂度增加的因素,并将广泛应用的复杂度度量方法的衡量指标—Weyuker属性对ECB进行评估。最后通过实验对比证明其比改进前的度量方案更能准确地描述程序的复杂度,而且满足9个Weyuker属性。(2)针对当前基于图像的软件恶意检测的研究方案中,存在当样本中存在过多的干扰信息时,图像的纹理特征将发生较大变化,从而导致准确率降低的问题,本文提出基于图像的细粒度软件恶意性度量模型—Image-FGDM。该模型不仅仅从二进制程序转化的灰度图像中提取全局特征,而且还从最能代表软件行为的代码段和数据段中提取局部特征以克服干扰因素的影响,最后将全局特征与局部特征相结合以进行更加准确地度量。实验结果表明,该模型能以96.33%的准确度高效地识别出软件的恶意性,相较于对比方案准确度提高了3.4%。(3)现有的基于源代码的软件漏洞检测的研究中,大多数基于粒度较大的程序级别,而且对程序语义的提取研究较少,因此其耗费的时间和资源过多且准确率较低。针对这些不足,本文提出基于程序切片的漏洞检测模型—SAT-BLSTM。该模型通过程序切片技术获取包含漏洞的代码片段,并利用词嵌入技术将其转化为向量,最后输入到引入Attention(注意力)机制的BLSTM神经网络中进行学习和分类。通过在包含漏洞和无漏洞的166615个切片数据集中验证该模型,并与传统深度学习网络模型进行对比,结果表明,SAT-BLSTM模型能有效地检测出软件中的漏洞,准确度可达97.73%的准确度。其中,通过引入注意力机制该模型能更好地学习代码中包含的语义信息,模型的准确度提高了2.95%。本文在深度调研软件度量研究现状的基础上,重点对与软件安全相关的复杂度、恶意性以及漏洞风险三个度量维度进行研究,并针对这三个维度的现有方案中存在的不足提出相应的解决方案。其中提出的改进的复杂度度量方案ECB比改进前的方案更能准确地描述程序的复杂度,且满足9个Weyuker属性。提出的软件恶意性度量方案比对比方案的准确度提高了3.4%。提出的软件漏洞风险度量SAT-BLSTM模型能以高达97.73%的准确度有效地检测出软件中的漏洞,最终实现了软件安全性的多维度度量。
杨德宇[4](2020)在《面向微服务架构的软件可维护性质量模型研究》文中研究表明软件可维护性作为软件质量的重要属性之一,反映了软件维护活动的难易程度。维护作为软件生命周期中最长的软件活动,消耗了大量的开发成本。及时有效地对软件可维护性进行度量,可以促进面向维护的软件设计与重构,从而提高需求更新和问题修复的效率,降低维护成本。近些年来,微服务架构逐渐流行,考虑到使用微服务架构在一定程度上增加了软件系统的复杂性和理解难度,因此保持良好的可维护性对微服务架构至关重要。但目前针对微服务架构的可维护性研究还十分有限。虽然微服务架构是面向服务架构的一种特殊形式,但二者仍然有一些难以忽视的区别,比如去中心化、服务规模更小和鼓励技术异构等。因此传统的面向服务架构的可维护性研究很难直接运用在微服务架构中。同时,目前面向服务架构的可维护性研究往往缺少有效的理论验证,其合理性及有效性有必要进行更深入的分析和讨论。基于以上考虑,本文面向微服务架构提出了一个软件可维护性质量模型,该模型通过10种度量指标分别对规模、耦合、内聚、复杂度四种软件属性进行度量以反映微服务的可维护性。同时针对当前研究理论验证的不足,本文利用基于属性的软件工程度量框架对所提出的度量指标进行验证,证明了其理论的合理性。基于所提出的质量模型,本文还设计和实现了一个可维护性度量的工具原型,该工具可以自动化地对所提出的可维护性度量指标进行计算和展示,且易于拓展新的度量指标。最后,本文使用实际的工业项目对提出的质量模型进行案例研究,使用多元线性回归方程计算所提出的度量指标与软件系统的维护成本之间的拟合优度,其中维护成本的度量基于缺陷数量、提交次数及代码变更行数。所得到的拟合优度结果分别为0.812、0.875和0.884,一定程度上验证了所提出的质量模型的有效性。同时,本文进一步使用偏最小二乘回归进行建模,使回归模型获得了更好的解释和泛化能力。因此,使用本文所提出的可维护性质量模型可以有效地对微服务架构进行可维护性评估,帮助和指导微服务架构的设计与重构,进而开发出更高质量的软件系统。
赵泱泱[5](2018)在《设计原则导向的多目标优化软件重构》文中研究表明软件在生命周期中经常被修改或增强以满足不同的功能需求。随着演化的推进,软件设计会变得越来越复杂,维护成本也越来越高。运用软件重构技术可以通过改变软件内部结构来修复软件设计,降低维护成本。为了对开发人员在软件重构过程中提供支持,研究人员提出了许多重构方法,但大多数都只考虑细粒度(如类级别)的重构操作。然而,对于规模较大的面向对象软件,包对系统设计起着重要的作用。它作为基本组织单元,对类进行管理以降低系统的复杂度。包的设计质量直接关系到整个软件的设计质量,仅考虑细粒度的软件重构不足以显着提高包的设计质量。因此,如果能通过重构改进包的设计质量,则可以更加有效地提高软件质量。在已有的重构方法中,基于搜索的软件重构方法近几年在研究领域引起了很大的关注,包括单目标优化软件重构方法和多目标优化软件重构方法。近期研究指出,单目标优化方法不足以权衡有冲突的质量属性(如内聚性和耦合性),而多目标优化方法能够更好地解决重构问题。然而,当前已有的多目标优化重构方法所采用的目标均没有直接对设计原则的遵循程度进行量化。直觉上,软件越遵循设计原则,其软件质量越高。若该假设成立,则直接以设计原则度量作为优化目标更有可能显着改进软件质量。更进一步,在众多面向对象设计原则中,”高内聚、低耦合”是最基本的设计原则。如何解决内聚性和耦合性之间的冲突、同时对两者进行改进,也是软件重构中常见的问题。以内聚性和耦合性相结合的度量作为优化目标,是解决两者冲突的一个尝试。根据是否考虑客户使用的耦合关系,内聚性度量可从不同角度对软件质量进行评价。而考虑耦合关系是否对内聚性度量评价软件质量的有效性有显着影响,还有待验证。若影响显着且正向,则选用考虑耦合关系的内聚性度量作为重构优化目标,可能更有利于对软件设计的优化。为解决上述问题,本文首先实证研究软件遵守设计原则的程度对软件质量的影响,然后进一步从面向对象设计原则中的高内聚低耦合设计原则出发,实证研究耦合关系对内聚性度量在评价软件质量时的影响。由于软件质量与缺陷倾向性显着相关,因此本文从缺陷倾向性的视角分析软件质量。本文首先研究设计原则度量(本文也称为模块化度量)与缺陷倾向性之间的关系,以及相应缺陷预测能力;进一步针对面向对象设计原则中的”高内聚低耦合”原则,研究内聚性度量与缺陷倾向性之间的关系是否受耦合关系影响;最后,基于前期实证研究的结论,本文从包级别的软件重构出发,提出了设计原则导向的多目标优化软件重构方法,旨在为开发者提供一个可以显着提高软件设计质量的重构方案。本文主要贡献总结如下:(1)本文研究设计原则度量(模块化度量)与软件质量的关系,分别分析设计原则度量与传统包级别度量的冗余关系、与缺陷倾向性之间的相关性,以及在面向对象系统中的缺陷预测能力。基于多个开源面向对象系统的实验结果表明:1)模块化度量可以捕获到传统包级别度量不能捕获的软件复杂性特征;2)大多数模块化度量与缺陷倾向性之间呈显着负相关;3)无论是在排序场景还是分类场景下,结合使用模块化度量和传统包级别度量,可以明显提升缺陷预测模型的预测有效性。以上实验结果验证了软件遵循设计原则利于提高软件质量并且减少缺陷。(2)本文基于是否考虑包的耦合关系,将包级别内聚性度量分为上下文内聚性度量和非上下文内聚性度量,实证研究客户使用耦合关系对包级内聚性度量评价软件质量的影响。实验结果表明:1)上下文内聚性度量和非上下文度量不冗余;2)大多数上下文内聚性度量和缺陷倾向性之间呈显着负相关;3)在交叉验证和跨版本验证设置下,无论是单独建模还是结合非上下文内聚性度量一起建模,上下文内聚性度量都能提高缺陷模型在工作量感知下的分类性能和排序性能。以上实验结果验证了客户使用耦合关系对内聚性度量评价软件质量的有效性存在显着的影响。(3)基于前期实证研究,为了提高软件遵循设计原则的程度,进而提高软件设计质量,本文提出了一个包级别的设计原则导向的多目标优化软件重构方法DP-MO-R。该方法的特点有:1)将遗传算法应用于软件重构推荐问题,将算法中的个体定义为一个重构方案;2)定义规则约束种群初始化,确保初始种群中个体中的操作可执行;3)首次使用设计原则度量作为优化目标来导向搜索。为了验证该方法的有效性,本文首先分析其是否能改进软件设计质量,然后重现了一个已有的多目标优化方法进行对比实验。实验结果表明,该方法能够显着提高软件遵循设计原则的程度,而且在对比实验中DP-MO-R在大多数质量指标上都表现出了显着的优势。本文提出的包级别重构推荐方法为避免软件设计质量随着软件演化而降低提供了有效的手段,帮助开发者实时增强软件遵循设计原则的程度,从而改进软件质量。本文的实证研究为设计原则导向的软件重构研究提供了前提保障,同时也有助于增加研究者或开发者更好地理解设计原则度量与软件质量之间关系,以及耦合关系对内聚性度量评价软件质量的影响。
黄龙玲[6](2013)在《基于类图的面向对象软件复杂性度量方法的研究》文中研究表明20世纪以来,电子计算机给人类社会带来了深远的影响。随着计算机科学和信息技术的迅猛发展,计算机的应用领域越来越广泛,人们借助计算机处理的数据和信息越来越大,对计算机处理数据的要求也越来越高。人们借助计算机技术开发的软件规模越来越大,其复杂程度也越来越高,如何有效地对软件的复杂性进行度量,进而提高软件的质量变得尤为重要。近年来,随着面向对象技术的不断发展,对软件可复用技术的要求也越来越明显,如何有效地对面向对象软件的复杂性进行度量是目前需要解决的重点问题。UML逐渐成为面向对象建模领域的行业标准,类图作为最重要的UML模型,其复杂性直接影响到整个面向对象软件的复杂性,因此如何找到一种能被大家广泛接受而又行之有效的对类图复杂性进行度量的方法是很有必要的。本文综合考虑了影响UML类图复杂性的各个因素,首先从语义范畴利用层次分析法对影响类图的各因素的权重进行了细化,并在此基础上得出了类图的复杂性层次结构模型。其次通过大量的类图实例和代码,根据类图生成代码的规则,构建了类图实例与代码间的对应关系,从代码范畴对类图复杂性的各影响因素进行了确定,得到一个与人们实践经验相一致的权重值。最后运用模糊综合评价法分别从语义范畴和代码范畴两个角度对类图的复杂性进行了度量,将本文的度量结果与以往的度量结果进行比较,实验结果表明运用本文的度量方法度量出来的结果较之前的度量方法更接近人们的实践经验,验证了本文所提出的方法的有效性。本文的研究对象是UML模型中类图,综合使用层次分析法、模糊综合评价理论、数学建模理论、不确定多属性决策理论,通过系统建模、模糊评价等研究手段对类图的复杂性进行度量。
宫丽娜[7](2011)在《基于神经网络的软件质量预测模型研究》文中研究说明随着科学技术的发展,如今的软件系统越来越复杂,功能越来越强大,因此对软件的质量要求越来越高。软件的质量直接影响软件的使用和维护,它受到来自软件开发过程中各种不确定性因素的影响,给软件质量的评估带来了许多困难。若能在软件项目开发的早期及早的获得必要的质量级别,则将对实现最终软件的质量控制、缩短软件开发周期、减少软件开发和维护成本具有非常重要的意义。软件质量预测建模技术是软件质量评价体系中的关键技术,然而目前的软件质量预测建模技术所基于的模型相对比较粗糙,所用的方法多是统计学的算法。因此如何选择合适的方法,使软件质量预测模型能正确有效的建立起软件内部属性和外部属性之间的不确定性的非线性关系是目前软件质量领域备受关注的研究课题。本文针对上述问题,对基于软件质量度量的软件质量预测模型进行了研究。应用神经网络的非线性逼近能力、学习和自适应能力,以软件质量度量参数作为神经网络的输入,提出了两种软件质量预测模型。一种是基于粗糙集的模糊神经网络的软件质量预测模型,它首先利用SOM网络对数据进行离散化处理,然后利用粗糙集的属性约简算法提取样本中精简的规则,最后根据提取的规则构建模糊神经网络模型,简化了神经网络模型的结构,缩短了训练时间,提高模型的预测能力。另一种是基于广义动态模糊神经网络的软件质量预测模型,该模型以模糊ε-完备性作为高斯函数宽度的确定准则,避免了初始化过程中选择的随机性,同时,该算法能对模糊规则和输入变量的重要性做出评价,从而使每条规则的输入变量的宽度可以根据它对系统性能贡献的大小实施在线自适应调整,在学习效率和辨识精度方面都具有突出的优势。最后,通过对两个模型训练的仿真实验验证模型的性能。实验结果表明本文提出的两个软件质量预测模型具有很好的软件质量预测能力,能够较好的反应软件质量度量和软件质量之间的非线性关系,具有较高的预测精度。
谢玲梅[8](2011)在《类图设计缺陷的检测研究》文中提出软件开发过程中,设计质量的优劣直接影响到软件的质量,软件设计质量可以通过度量进行评价。本文根据面向对象设计原则,将面向对象软件设计中的一些质量特征进行量化,运用面向对象度量及检测规则,生成检测过程,检测软件设计过程中可能存在的一些设计缺陷,并提出类图存在设计缺陷的原因及改进意见,从而进一步优化类图。本文首先研究和归纳了面向对象设计中常见的设计缺陷,从检测原理、检测装置及阈值调整三方面阐述了设计缺陷检测策略,在此基础上,进一步阐述了构建检测策略的步骤。为了检测设计缺陷,提出了类设计缺陷检测模型CDFDM (Class Design Flaws Detection Model),它形式化地描述了面向对象设计原则及其特征,并进一步引出了设计质量特征、度量指标及度量方法等关键元素及其关系,结合检测策略,给出了CDFDM模型的检测机制。CDFDM模型运用度量技术将设计缺陷的质量特征量化为度量指标,为每个度量指标选择检测装置,并设定相应阈值,从而形成设计缺陷检测规则,以此识别设计实例中存在的设计缺陷,导出检测过程,最后输出检测结果。基于CDFDM模型,设计并实现相应的检测工具,它可以帮助设计人员分析面向对象设计,了解软件项目的复杂度;CDFDM工具分为度量指标的计算、检测规则的合成以及设计缺陷识别三部分,本文详细介绍了这三部分的设计与实现,并应用实际项目中的设计实例验证了CDFDM工具的有效性。最后对本文的工作进行了总结并提出了未来的工作方向。
计春雷[9](2011)在《全功能点方法和功能规模度量统一模型的研究与应用》文中认为随着计算机技术的日新月异,软件规模的扩张已达到了叹为观止的速度。软件度量是软件工程的重要组成部分。软件功能规模是软件项目可量化的结果,是软件的一个重要属性。为了解决软件开发初期进行功能规模度量的迫切要求,出现了试图基于软件需求从用户角度和功能角度来度量规模的功能点,以用于估计未来软件的大小。功能规模度量(FSM)方法就是为了满足这种度量的需要而诞生的,它最大程度地突破了传统评估方法的局限,能够不依赖于外部条件,独立于物理组件和技术平台,它与程序设计语言无关,能够客观、公正、独立地评估软件的功能规模。全功能点方法是新一代的功能点规模度量方法,通过确定用户功能需求,允许度量者从用户的角度来度量软件,减少了对软件内部结构和实现的依赖性。本文在分析四种标准化的FSM方法的特点和度量过程的基础上,重点对UML建模技术与COSMIC-FFP方法之间的关系以及对功能规模度量的统一模型进行了深入的研究。本文的主要研究内容和创新性成果如下:1、研究了UML建模技术与COSMIC-FFP方法之间的关系。分析了UML的主要部件(用例图、类图和顺序图)和COSMIC-FFP的主要元素(功能用户、层、边界、数据组、功能过程和数据移动等),建立了二者概念之间的对应关系,给出了27条映射规则,提出了UML的COSMIC-FFP度量方法,设计了度量结果矩阵,给出了贯穿于整个度量过程的11条度量规则和判断与记录消息类型的原则,同时给出了从UML顺序图到度量结果矩阵的度量过程,并提出了相应的度量步骤。2、研究了面向对象方法与COSMIC-FFP方法之间的关系。利用软件度量的过程模型,针对面向对象的需求模型,提出了面向对象方法的COSMIC-FFP度量方法(OOFFP),给出了19条映射规则和4条度量规则,并通过实例分析阐明了这些规则的使用方法。3、研究建立了功能规模度量统一模型(FSM-UM)。通过对功能规模度量方法核心概念的研究,分析了三种FSM方法概念之间的关系,提出了软件功能规模度量统一模型,给出了FSM-UM到FSM的三种常用方法的映射规则。使得当度量者利用FSM-UM从FSM的一种方法(例如IFPUG FPA)改成使用另一种方法(例如COSMIC-FFP等)时,可有效地使用FSM-UM产生的历史数据,从而提高了效率。4、改进了IFPUG FPA方法。运用数值分析中插值函数的思想,将复杂度矩阵拟合成连续的复杂度函数,从而产生新的复杂度等级来扩展FPA复杂度矩阵。
李大鹏[10](2010)在《集成类级和系统级的面向对象软件复杂性度量集的研究》文中研究表明随着软件工程技术的快速发展,软件复杂性度量由于其重要性成为了当今的研究热点之一。传统的面向过程的软件度杂性度量方法已经有很多,但是随着面向对象技术的推广,面向对象复杂性度量变得越来越重要。本文分析了面向对象软件类级别的度量CK和Li以及系统级别的度量MOOD度量集,并结合面向对象技术的特性用Weyuker度量评价标准对这些方法固有的缺陷和不足进行了分析。在此基础上,结合CK、Li和MOOD度量集的优点提出了一种较为全面的集成类级和系统级的面向对象软件复杂性度量集(ISCM,Integrated Software Complexity Metrics)。此度量集可有效地弥补CK,Li和MOOD方法的不足,从而优化度量。使用此度量集对一个开源代码进行度量试验,试验表明了该度量集比CK、Li和MOOD度量集更加全面的实现了复杂性度量。在新度量集的基础上实现了一个面向对象软件复杂性度量工具,对面向对象程序进行度量,从而验证了新的度量集的可行性。
二、面向对象软件的质量度量(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、面向对象软件的质量度量(论文提纲范文)
(1)面向对象软件测试性度量及应用研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 研究现状 |
1.2.1 基于软件缺陷的测试性度量方法 |
1.2.2 基于测试标准的测试性度量方法 |
1.2.3 基于信息流的测试性度量方法 |
1.2.4 基于影响因素分析的测试性度量方法 |
1.2.5 研究现状总结 |
1.3 研究目的及意义 |
1.4 研究内容 |
1.5 论文组织结构 |
2 研究的相关理论 |
2.1 软件测试性相关概念分析 |
2.1.1 软件测试及测试方法 |
2.1.2 软件测试性 |
2.1.3 软件测试性与软件测试、软件可靠性的关系 |
2.2 软件度量及软件测试性度量 |
2.2.1 软件度量 |
2.2.2 软件测试性度量 |
2.2.3 测试性度量方法选取 |
2.3 支持向量机理论 |
2.4 遗传算法和布谷鸟搜索算法 |
2.4.1 遗传算法 |
2.4.2 布谷鸟搜索算法 |
2.4.3 改进的布谷鸟搜索算法 |
2.5 本章小结 |
3 测试性影响因素分析 |
3.1 软件测试性影响因素分类与选取 |
3.1.1 软件测试性影响因素分类 |
3.1.2 软件测试性影响因素选取 |
3.2 基于文档的测试性影响因素分析 |
3.2.1 完整性分析 |
3.2.2 准确性分析 |
3.2.3 规范性分析 |
3.2.4 可追踪性分析 |
3.3 基于源代码的测试性影响因素分析 |
3.3.1 单元测试分析 |
3.3.2 集成测试分析 |
3.3.3 系统测试分析 |
3.3.4 回归测试分析 |
3.4 本章小结 |
4 基于SVR的软件测试性度量模型构建及应用 |
4.1 测试性度量集确定 |
4.1.1 初始度量集 |
4.1.2 数据获取 |
4.1.3 度量集约简 |
4.2 测试性度量模型的要素确定 |
4.2.1 软件测试性参数确定 |
4.2.2 测试性度量模型的核函数及模型表示 |
4.2.3 软件测试性度量模型评价标准 |
4.3 样本数据获取与处理 |
4.4 实验及结果分析 |
4.4.1 基于GA-SVR的测试性度量模型 |
4.4.2 基于CS-SVR的测试性度量模型 |
4.4.3 基于ICS-SVR的测试性度量模型 |
4.4.4 结果分析 |
4.5 工程应用 |
4.5.1 实例系统的软件测试性水平预测 |
4.5.2 工程适用性分析 |
4.6 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 展望 |
附录 |
参考文献 |
(2)基于面向对象方法的jBPM4.4主控子系统软件体系结构分析工具的设计与实现(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 本课题主要创新点 |
1.4 技术路线和组织结构 |
第二章 相关技术 |
2.1 面向对象方法 |
2.2 软件体系结构 |
2.3 工作流技术 |
2.4 j BPM工作流引擎 |
第三章 主控子系统软件体系结构分析 |
3.1 主控子系统源码统计分析 |
3.2 主控子系统功能结构分析 |
第四章 分析工具设计与实现 |
4.1 MOOD模型分析 |
4.2 分析工具功能设计 |
4.3 分析工具开发 |
第五章 分析工具在EMIS中的应用 |
5.1 EMIS分析 |
5.2 EMIS改进 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
附录一 |
附录二 |
致谢 |
个人简介 |
攻读硕士期间工作与成果 |
(3)软件度量关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 软件度量 |
1.2.2 软件复杂度度量 |
1.2.3 软件恶意性度量 |
1.2.4 软件漏洞风险度量 |
1.3 研究内容 |
1.4 论文结构 |
第二章 软件度量以及相关技术 |
2.1 软件度量模型 |
2.2 软件复杂度 |
2.2.1 软件复杂度的特点 |
2.2.2 经典的软件复杂度度量方法 |
2.3 词嵌入技术 |
2.4 深度学习技术 |
2.4.1 RNN循环神经网络 |
2.4.2 LSTM长短期记忆网络 |
2.5 本章小结 |
第三章 软件复杂度度量 |
3.1 ICB度量 |
3.2 改进的CB度量方案—ECB度量 |
3.3 方案评估 |
3.3.1 Weyuker属性评估 |
3.3.2 实验对比 |
3.4 本章小结 |
第四章 软件恶意性度量 |
4.1 基于图像的软件恶意性度量模型—Image-FGDM |
4.2 特征提取与分类器训练 |
4.2.1 灰度图像生成 |
4.2.2 全局纹理特征提取 |
4.2.3 局部特征提取 |
4.2.4 分类模型训练 |
4.3 实验分析 |
4.3.1 实验环境和数据集 |
4.3.2 评估指标 |
4.3.3 实验结果 |
4.4 本章小结 |
第五章 软件漏洞风险度量 |
5.1 基于程序切片的漏洞检测模型—SAT-BLSTM |
5.1.1 训练阶段 |
5.1.2 检测阶段 |
5.2 程序切片生成以及向量转化 |
5.2.1 程序切片 |
5.2.2 风险函数 |
5.2.3 程序切片生成机制 |
5.2.4 程序切片标注策略 |
5.2.5 向量转化 |
5.3 基于Attention机制的BLSTM学习模型 |
5.3.1 深度神经网络的选择 |
5.3.2 BLSTM神经网络 |
5.3.3 Attention机制 |
5.3.4 SAT-BLSTM模型 |
5.4 实验分析 |
5.4.1 实验环境和数据集 |
5.4.2 实验结果 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 未来展望 |
参考文献 |
致谢 |
作者简介 |
(4)面向微服务架构的软件可维护性质量模型研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 研究现状 |
1.3 本文的研究内容及贡献 |
1.4 本文的组织结构 |
第二章 背景知识与理论基础 |
2.1 软件度量 |
2.1.1 软件度量的基本概念 |
2.1.2 软件度量的类型 |
2.1.3 软件度量模型 |
2.2 软件可维护性 |
2.2.1 可维护性的定义 |
2.2.2 可维护性评估 |
2.3 微服务 |
2.4 本章小结 |
第三章 面向微服务架构的可维护性质量模型 |
3.1 可维护性质量模型概述 |
3.1.1 软件属性的选取 |
3.1.2 度量对象的选取 |
3.1.3 基于层次的可维护性质量模型 |
3.2 微服务架构形式化 |
3.3 可维护性度量指标定义 |
3.3.1 规模指标 |
3.3.2 耦合指标 |
3.3.3 内聚指标 |
3.3.4 复杂度指标 |
3.4 本章小结 |
第四章 可维护性度量指标的理论验证 |
4.1 理论验证的重要性 |
4.2 理论验证的方法 |
4.3 规模指标的理论验证 |
4.4 耦合指标的理论验证 |
4.5 内聚指标的理论验证 |
4.6 复杂度指标的理论验证 |
4.7 本章小结 |
第五章 可维护性度量工具的设计与实现 |
5.1 需求分析 |
5.1.1 功能性需求 |
5.1.2 非功能性需求 |
5.2 模块的设计与实现 |
5.3 案例介绍 |
5.4 本章小结 |
第六章 模型的有效性分析及案例研究 |
6.1 数据收集及预处理 |
6.1.1 微服务架构及维护成本数据收集 |
6.1.2 数据预处理及标准化 |
6.2 多元线性回归分析 |
6.2.1 拟合优度分析 |
6.2.2 拟合度量分析 |
6.2.3 回归系数及共线性分析 |
6.3 偏最小二乘回归分析 |
6.3.1 交叉有效性分析 |
6.3.2 成分分析 |
6.3.3 重要性及回归系数分析 |
6.4 本章小结 |
第七章 总结与展望 |
7.1 本文工作总结 |
7.2 不足与展望 |
参考文献 |
简历与科研成果 |
致谢 |
(5)设计原则导向的多目标优化软件重构(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 选题背景 |
1.2 研究内容 |
1.3 主要贡献 |
1.4 论文结构 |
第二章 研究基础与现状 |
2.1 软件设计基本原则 |
2.2 软件度量研究现状 |
2.3 缺陷预测 |
2.3.1 缺陷预测的原理概述 |
2.3.2 不同粒度的缺陷预测 |
2.3.3 缺陷预测的建模方法 |
2.4 软件重构 |
2.4.1 软件重构概述 |
2.4.2 重构方法现状 |
2.4.3 重构工具介绍 |
2.5 本章小结 |
第三章 基于面向对象设计原则的软件质量实证研究 |
3.1 引言 |
3.2 度量介绍 |
3.2.1 设计原则度量 |
3.2.2 传统包级别度量 |
3.3 研究方法 |
3.3.1 研究问题描述 |
3.3.2 度量冗余分析方法 |
3.3.3 logistic回归建模方法 |
3.3.4 预测性能评价方法 |
3.4 实验设置 |
3.4.1 实验对象介绍 |
3.4.2 数据收集与处理 |
3.5 实验结果 |
3.5.1 度量间的冗余性 |
3.5.2 度量与缺陷的相关性 |
3.5.3 缺陷预测性能对比 |
3.6 讨论 |
3.6.1 模块化度量能提高预测有效性的原因 |
3.6.2 实验结果与以往工作对比 |
3.6.3 实验结果对开发可靠软件的意义 |
3.6.4 结论有效性的威胁 |
3.7 本章小结 |
第四章 基于高内聚低耦合设计原则的软件质量实证研究 |
4.1 引言 |
4.2 度量介绍 |
4.2.1 非上下文内聚性度量 |
4.2.2 上下文内聚性度量 |
4.2.3 度量计算实例描述 |
4.3 研究方法 |
4.3.1 研究问题描述 |
4.3.2 实验方法概述 |
4.3.3 预测性能评价方法 |
4.4 实验设置 |
4.4.1 实验对象介绍 |
4.4.2 数据收集与处理 |
4.5 实验结果 |
4.5.1 数据集统计分析 |
4.5.2 度量间的冗余性 |
4.5.3 度量与缺陷的相关性 |
4.5.4 单用预测有效性 |
4.5.5 组合预测有效性 |
4.6 讨论 |
4.7 本章小结 |
第五章 设计原则导向的包级别软件重构技术研究 |
5.1 引言 |
5.2 基础知识 |
5.3 方法概述 |
5.3.1 DP-MO-R方法框架 |
5.3.2 种群个体的改造 |
5.3.3 约束规则的定义 |
5.3.4 NSGA-Ⅱ遗传算法的应用 |
5.3.5 适应度的选取 |
5.4 实验设置 |
5.4.1 研究问题描述 |
5.4.2 实验对象介绍 |
5.4.3 遗传算法参数设置 |
5.4.4 DP-MO-R评价方法 |
5.5 实验结果 |
5.5.1 软件设计质量改进的显着性 |
5.5.2 对比实验结果 |
5.6 讨论 |
5.7 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 未来工作展望 |
参考文献 |
攻读博士学位期间发表的论文及科研成果 |
致谢 |
(6)基于类图的面向对象软件复杂性度量方法的研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究的背景及意义 |
1.2 国内外研究现状 |
1.2.1 软件复杂性度量 |
1.2.2 面向对象的软件复杂性度量 |
1.3 本文的研究内容 |
1.4 本文的组织工作 |
1.5 本文的创新之处 |
2 基于语义范畴的类图复杂性权重确定 |
2.1 引言 |
2.2 UML 类图复杂性的影响因素 |
2.2.1 类间关系 |
2.2.2 类内属性和方法 |
2.3 UML 类图复杂性度量权重确定的相关工作 |
2.3.1 周毓明度量方法 |
2.3.2 易彤度量方法 |
2.4 基于语义范畴的类图复杂性权重的确定 |
2.4.1 层次分析法的研究现状 |
2.4.2 建立类图复杂性度量层次结构模型 |
2.4.3 构造类图的成对比较判断矩阵 |
2.4.4 层次单排序及一致性检验 |
2.4.5 层次总排序及一致性检验 |
2.5 本章小结 |
3 基于代码范畴的类图复杂性权重确定 |
3.1 类间关系 |
3.1.1 关联关系 |
3.1.2 聚集关系 |
3.1.3 泛化关系 |
3.1.4 依赖关系 |
3.1.5 类间关系权重的确定 |
3.2 类内属性和方法 |
3.2.1 类内属性 |
3.2.2 类内方法 |
3.3 构建类图与程序代码间对应的数据关系 |
3.3.1 基于代码范畴的类间关系的权重确定 |
3.3.2 基于代码范畴的类内属性及方法的权重确定 |
3.4 本章小结 |
4 基于模糊综合评价法的类图复杂性度量 |
4.1 基于语义范畴的模糊综合评价结果 |
4.1.1 构建单因素模糊评判矩阵 |
4.1.2 基于语义范畴的模糊综合评价结果 |
4.2 基于代码范畴的模糊综合评价结果 |
4.2.1 构建单因素模糊评判矩阵 |
4.2.2 基于代码范畴的模糊综合评价结果 |
4.3 实验结果分析 |
4.4 本章小结 |
5 结论与展望 |
5.1 本文的主要工作与贡献 |
5.2 研究局限及展望 |
参考文献 |
致谢 |
(7)基于神经网络的软件质量预测模型研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 本文的主要研究工作及拟解决的关键问题 |
1.4 论文的组织结构 |
第二章 相关概念及理论基础 |
2.1 软件质量 |
2.2 软件度量 |
2.2.1 软件度量的概念 |
2.2.2 软件度量的分类 |
2.2.3 软件度量的方法 |
2.3 人工神经网络 |
2.3.1 人工神经网络的概念 |
2.3.2 人工神经元模型 |
2.3.3 人工神经网络模型 |
2.3.4 人工神经网络的学习方法 |
2.3.5 几种常见的人工神经网络 |
2.4 本章小结 |
第三章 基于度量的面向对象软件质量预测模型的建立 |
3.1 软件质量预测的原理 |
3.2 软件质量预测模型面临的一些问题 |
3.3 软件质量度量和质量预测模型的关系 |
3.4 面向对象软件的特征 |
3.5 基于度量的面向对象软件质量预测模型 |
3.5.1 软件质量预测模型的建模方法 |
3.5.2 面向对象软件质量预测模型 |
3.6 本章小结 |
第四章 基于粗糙集的模糊神经网络的软件质量预测模型 |
4.1 粗糙集理论 |
4.2 基于粗糙集的模糊神经网络预测模型 |
4.2.1 连续属性值的离散化 |
4.2.2 规则的提取 |
4.2.3 基于约简规则集的模糊神经网络预测模型 |
4.2.3.1 构建的模糊神经网络结构 |
4.2.3.2 学习算法 |
4.3 仿真实验 |
4.4 本章小结 |
第五章 基于广义动态模糊神经网络的软件质量预测模型 |
5.1 基于广义动态模糊神经网络的软件质量预测模型 |
5.1.1 模型自变量 |
5.1.2 广义动态模糊神经网络的软件质量预测模型的结构 |
5.1.3 学习算法 |
5.2 仿真实验 |
5.3 本章小结 |
第六章 总结和展望 |
6.1 主要工作及创新点 |
6.2 工作展望 |
参考文献 |
攻读硕士学位期间取得的学术成果 |
致谢 |
(8)类图设计缺陷的检测研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 本文选题及背景意义 |
1.2 国内外研究现状 |
1.2.1 提高设计质量的方法 |
1.2.2 面向对象度量技术 |
1.2.3 度量及检测工具的现状 |
1.3 本文的研究目标与主要内容 |
1.3.1 研究目标 |
1.3.2 主要内容 |
1.4 本文的组织结构 |
第二章 设计缺陷检测策略 |
2.1 设计缺陷 |
2.2 检测理论 |
2.2.1 检测框架 |
2.2.2 检测原理 |
2.2.3 检测过程 |
2.3 检测装置 |
2.3.1 过滤器 |
2.3.2 选择规则 |
2.3.3 复合过滤器 |
2.4 阈值 |
2.4.1 阈值调节机 |
2.4.2 阈值计算 |
2.5 检测策略 |
2.6 本章小结 |
第三章 类-设计缺陷检测模型 |
3.1 检测流程 |
3.2 CDFDM的基本元素 |
3.2.1 基本元素概述 |
3.2.2 元素的定义 |
3.3 CDFDM元素关系 |
3.3.1 元素关系 |
3.3.2 关系定义 |
3.4 CDFDM模型 |
3.4.1 CDFDM的定义 |
3.4.2 设计缺陷识别 |
3.4.3 检测规则 |
3.4.4 检测过程 |
3.5 应用实例 |
3.6 本章小结 |
第四章 CDFDM工具设计与实现 |
4.1 CDFDM工具的概述 |
4.1.1 CDFDM工具的目标 |
4.1.2 CDFDM工具的设计原则 |
4.1.3 CDFDM系统的架构 |
4.1.4 CDFDM工具预处理 |
4.2 CDFDM工具度量实现 |
4.2.1 CDFDM耦合实现 |
4.2.2 CDFDM内聚实现 |
4.2.3 CDFDM复杂度实现 |
4.2.4 CDMDM继承实现 |
4.3 CDFDM工具检测实现 |
4.3.1 检测规则 |
4.3.2 阈值设置 |
4.3.3 缺陷检测 |
4.3.4 检测过程 |
4.4 CDFDM工具的扩展 |
4.4.1 CDFDM检测对象扩展 |
4.4.2 CDFDM度量扩展 |
4.5 本章小结 |
第五章 CDFDM工具的验证 |
5.1 CDFDM工具的验证方法 |
5.2 设计缺陷检测 |
5.2.1 实例描述 |
5.2.2 实例检测 |
5.2.3 实例改进 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 展望 |
攻读硕士学位期间发表的学术论文 |
参考文献 |
致谢 |
(9)全功能点方法和功能规模度量统一模型的研究与应用(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 研究内容和主要贡献 |
1.3.1 研究内容 |
1.3.2 主要贡献 |
1.4 本文的组织结构 |
第2章 软件功能规模度量方法 |
2.1 软件度量 |
2.2 功能规模度量方法 |
2.2.1 功能规模度量原理 |
2.2.2 功能规模度量方法 |
2.3 功能点分析法 |
2.3.1 功能点分析法的基本概念 |
2.3.2 功能点分析法的基本过程 |
2.4 IFPUG功能点分析法 |
2.4.1 IFPUG功能点分析法的要素 |
2.4.2 IFPUG功能点分析法的度量流程 |
2.4.3 IFPUG功能点分析法的特点 |
2.5 Mark Ⅱ功能点分析法 |
2.5.1 Mark Ⅱ功能点分析法的要素 |
2.5.2 Mark Ⅱ功能点分析法的度量流程 |
2.6 NESMA功能点分析法 |
2.7 COSMIC-FFP全功能点分析法 |
2.7.1 COSMIC-FFP方法的度量原理 |
2.7.2 COSMIC-FFP方法的特点 |
2.8 四种标准化FSM方法的关系 |
2.9 FSM方法的共性问题 |
2.10 本章小结 |
第3章 UML的COSMIC-FFP度量方法 |
3.1 UML概述 |
3.1.1 用例图 |
3.1.2 类图 |
3.1.3 顺序图 |
3.2 COSMIC-FFP概述 |
3.2.1 COSMIC-FFP软件模型 |
3.2.2 COSMIC-FFP度量要素 |
3.2.3 COSMIC-FFP度量流程 |
3.3 UML和COSMIC-FFP的关系 |
3.4 映射规则 |
3.4.1 用例图的映射规则 |
3.4.2 类图的映射规则 |
3.4.3 顺序图的映射规则 |
3.5 顺序图的度量方法 |
3.5.1 度量结果矩阵 |
3.5.2 前置条件 |
3.5.3 度量规则 |
3.5.4 判断与记录消息类型 |
3.5.5 度量过程 |
3.6 UML的COSMIC-FFP度量步骤 |
3.7 应用实例分析 |
3.8 本章小结 |
第4章 面向对象方法的COSMIC-FFP度量方法 |
4.1 面向对象方法 |
4.1.1 面向对象概念 |
4.1.2 面向对象方法学 |
4.1.3 面向对象方法的开发过程 |
4.2 面向对象方法的COSMIC-FFP度量设计 |
4.2.1 需求模型与需求分析过程 |
4.2.2 度量目标的定义 |
4.2.3 描述度量概念 |
4.2.4 选择元模型 |
4.2.5 确定映射规则 |
4.2.6 计算功能规模值 |
4.3 映射规则 |
4.3.1 识别数据移动阶段映射规则 |
4.3.2 消除冗余数据移动阶段映射规则 |
4.4 度量规则 |
4.5 应用实例分析 |
4.5.1 软件文档整理 |
4.5.2 软件模型的建立 |
4.5.3 度量规则的应用 |
4.6 本章小结 |
第5章 功能规模度量统一模型 |
5.1 概述 |
5.2 功能规模度量方法的核心概念 |
5.3 功能规模度量统一模型 |
5.3.1 FSM-UM数据类型 |
5.3.2 FSM-UM事务类型 |
5.4 FSM-UM到FSM三种常用方法的映射规则 |
5.4.1 FSM-UM到IFPUG FPA的映射规则 |
5.4.2 FSM-UM到COSMIC-FFP的映射规则 |
5.4.3 FSM-UM到Mark Ⅱ FPA的映射规则 |
5.5 应用实例分析 |
5.6 FSM-UM度量系统 |
5.6.1 FSM-UM度量系统原理 |
5.6.2 FSM-UM度量系统实现 |
5.6.3 FSM-UM度量系统使用方法 |
5.7 本章小结 |
第6章 改进的IFPUG功能点度量方法 |
6.1 IFPUG FPA功能复杂度等级的确定 |
6.1.1 数据功能复杂度等级的确定 |
6.1.2 事务功能复杂度等级的确定 |
6.1.3 计算未调整的功能点数 |
6.2 IFPUG FPA复杂度矩阵划分的不足 |
6.3 复杂度矩阵算法的改进 |
6.3.1 改进思路 |
6.3.2 数值分析函数插值的原理 |
6.3.3 对IFPUG FPA的EI复杂度矩阵的改进 |
6.3.4 对IFPUG FPA的其他复杂度矩阵的改进 |
6.4 改进的IFPUG FPA度量方法的应用 |
6.4.1 预算管理模块—数据功能点计算界面 |
6.4.2 开发管理模块—项目组管理界面 |
6.4.3 IFPUG FPA度量方法的对比与分析 |
6.5 本章小结 |
第7章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
致谢 |
作者在攻读博士期间完成的论文、参与的科研项目 |
(10)集成类级和系统级的面向对象软件复杂性度量集的研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究意义 |
1.2 国内外研究现状 |
1.3 论文组织结构 |
第2章 软件度量 |
2.1 软件质量与软件度量 |
2.1.1 质量 |
2.1.2 度量表示理论 |
2.1.3 度量的目的 |
2.1.4 软件度量的定义 |
2.1.5 软件度量评估准则 |
2.2 软件复杂性度量 |
2.2.1 软件复杂性 |
2.2.2 软件复杂性度量介绍 |
2.2.3 结构化复杂性度量 |
2.2.4 代码行数 |
2.2.5 环形复杂性 |
2.2.6 Halstead 度量方法 |
第3章 面向对象软件度量方法 |
3.1 面向对象思想 |
3.2 面向对象方法的特点 |
3.3 面向对象度量与结构化度量的区别 |
3.4 面向对象软件复杂性度量分析 |
3.4.1 CK 度量集 |
3.4.2 Lorenz & Kidd 度量集 |
3.4.3 MOOD 度量集 |
3.4.4 Li 度量集 |
3.5 面向对象软件复杂性度量集的评估 |
3.6 一种集成类层次和系统层次的面向对象软件复杂性度量集ISCM |
第4章 实验分析 |
4.1 实验程序介绍 |
4.2 实验结果分析 |
第5章 软件度量工具的设计与实现 |
5.1 概述 |
5.1.1 现有的软件度量工具介绍 |
5.1.2 面向对象软件度量工具设计原则 |
5.1.3 面向对象软件度量工具开发运行环境 |
5.2 面向对象软件度量工具设计 |
5.2.1 概要设计 |
5.2.2 模块划分 |
5.2.3 流程图 |
5.3 面向对象软件度量工具实现 |
5.3.1 系统组成 |
5.3.2 模块实现 |
5.3.3 度量结果 |
第6章 总结 |
参考文献 |
攻读学位期间完成的论文和参加的科研工作 |
致谢 |
四、面向对象软件的质量度量(论文参考文献)
- [1]面向对象软件测试性度量及应用研究[D]. 唐佳丽. 河北师范大学, 2021(09)
- [2]基于面向对象方法的jBPM4.4主控子系统软件体系结构分析工具的设计与实现[D]. 王义晨. 北方民族大学, 2021(08)
- [3]软件度量关键技术研究[D]. 张玉. 西安电子科技大学, 2020(05)
- [4]面向微服务架构的软件可维护性质量模型研究[D]. 杨德宇. 南京大学, 2020(04)
- [5]设计原则导向的多目标优化软件重构[D]. 赵泱泱. 南京大学, 2018(10)
- [6]基于类图的面向对象软件复杂性度量方法的研究[D]. 黄龙玲. 江西财经大学, 2013(01)
- [7]基于神经网络的软件质量预测模型研究[D]. 宫丽娜. 中国石油大学, 2011(10)
- [8]类图设计缺陷的检测研究[D]. 谢玲梅. 华东师范大学, 2011(10)
- [9]全功能点方法和功能规模度量统一模型的研究与应用[D]. 计春雷. 华东理工大学, 2011(07)
- [10]集成类级和系统级的面向对象软件复杂性度量集的研究[D]. 李大鹏. 北京理工大学, 2010(03)
标签:软件论文; 软件度量论文; 软件质量论文; 可维护性论文; 面向对象分析与设计论文;