缺陷修复时间预测能够帮助开源社区管理者精确地估计缺陷修复工作量,实现缺陷修复人员的优化分配。缺陷追踪库Bugzilla是开源社区缺陷修复数据的主要来源。在实际使用中,缺陷追踪库除被用作记录缺陷之外,还被用于记录用户对软件产品不足之处的投诉,以及软件功能相关讨论。缺陷追踪库的混合使用给缺陷修复时间预测带来系统性偏差。为降低系统性偏差对预测结果的影响,给出基于模糊关联规则挖掘FARM(Fuzzy Association Rules Mining)降低系统性偏差的缺陷修复时间预测方法。该方法通过分析历史数据生成模糊关联规则来过滤系统性偏差。实验结果显示经过该方法处理后的新预测模型结果优于原有模型。
为了解决当前软件过程重用方法中存在的问题,特别是由于缺乏对软件过程组件及其操作法则的精确定义所带来的重用中的低效率问题,介绍了一种形式化的组件化软件过程建模方法(componentized software process modeling,简称CSPM).CSPM提...
详细信息
为了解决当前软件过程重用方法中存在的问题,特别是由于缺乏对软件过程组件及其操作法则的精确定义所带来的重用中的低效率问题,介绍了一种形式化的组件化软件过程建模方法(componentized software process modeling,简称CSPM).CSPM提供了形式化定义可重用软件过程的机制,并且给出了将过程组件组合成过程模型的一系列操作法则.利用CSPM方法,能够以严格的方式对软件过程组件进行重用,并且有效地避免了传统非形式化建模方法中因歧义而有可能引起的潜在错误.CSPM还可以将对组装后的软件过程模型针对某些特定性质的验证问题转化成对其对应组件的一系列子验证问题,从而通过指数地减少需要搜索的状态空间规模,将原来在某些特定环境下不实用的验证问题简化成验证代价较小的一系列问题.
暂无评论