《表2 雷达系统软件动态测试缺陷预测度量元》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《雷达系统软件缺陷预测技术研究与实践》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

软件动态测试缺陷分布预测主要是通过采集缺陷与软件产品度量、软件技术、软件过程和执行程序等关联的度量数据，采用分类或回归技术研究缺陷的分布问题。分类技术可用于识别模块是不是高缺陷率或低缺陷率的，回归技术更多地用于估算缺陷数量。两类技术都可以用来指导测试和其他质量保证活动的计划及执行，节省昂贵的测试及评审的时间和成本。目前常见的分类技术有:线性判别分析、布尔判别函数、分类回归树、优化集精简方法、聚类分析、支持向量机等。常见的回归技术有:人工神经网络、逻辑回归、多元线性回归、基于用例推理等。作者在雷达系统软件动态测试缺陷预测中结合雷达软件特性，分析了这些模型在雷达系统软件测试和缺陷预测方面的适用性，结合雷达系统软件的缺陷分布规律，在雷达系统软件研制开发过程中，利用软件缺陷的统计数据，建立适用雷达系统软件的缺陷预测模型，对雷达系统软件研制过程可能的缺陷作出预测。适合雷达系统软件动态测试缺陷预测的度量元如表2所示。