一种软件项目缺陷收敛曲线预测方法及系统技术方案

本发明专利技术涉及一种软件项目缺陷收敛曲线预测方法及系统，包括：获取项目缺陷分类标签；获取项目需求分析阶段及开发阶段的项目特征；根据项目特征以及项目缺陷分类标签对项目进行标记，得到项目特征数据集；基于项目特征数据集计算各个项目特征的信息增益；通过比较各个项目特征的信息增益，选择信息增益最大的项目特征作为根节点；将信息增益最大的项目特征从特征列表中删除；递归执行S5

【技术实现步骤摘要】
一种软件项目缺陷收敛曲线预测方法及系统


[0001]本专利技术涉及软件测试
，尤其涉及一种软件项目缺陷收敛曲线预测方法及系统。

技术介绍

[0002]随着软件规模的扩大和复杂度的不断提升，软件质量关注度也愈发提升，软件缺陷预测技术能够在早期挖掘出缺陷模块、从而合理的分配有限资源，为软件质量提供保障。目前不少研究主要通过使用软件度量元数据来对软件模块的缺陷倾向性、缺陷总数或者缺陷严重度等进行预测。
[0003]在项目测试中，缺陷是否收敛是判断测试工作能否结束的重要指标之一。当前对于缺陷的预测主要集中在模块缺陷数、缺陷严重度等，对于缺陷收敛曲线更多的是监控缺陷，而无预测数据。项目进行中缺陷收敛曲线发生偏差时因无对比而不能及时感知，从而无法合理分配资源及排期，造成人力不足或浪费的现象。

技术实现思路

[0004]为解决现有技术的不足，本专利技术提出一种软件项目缺陷收敛曲线预测方法及系统，在项目测试阶段，通过对预测曲线与实际曲线实时监控，可在项目进行中缺陷收敛曲线发生偏差时及时感知，从而合理分配资源及排期，提高效率，降低风险。
[0005]为实现以上目的，本专利技术所采用的技术方案包括：
[0006]一种软件项目缺陷收敛曲线预测方法，其特征在于，包括：
[0007]S1、获取项目缺陷分类标签；
[0008]S2、获取项目需求分析阶段及开发阶段的项目特征；
[0009]S3、根据项目特征以及项目缺陷分类标签对项目进行标记，得到项目特征数据集；
[0010]S4、基于项目特征数据集计算各个项目特征的信息增益；
[0011]S5、通过比较各个项目特征的信息增益，选择信息增益最大的项目特征作为根节点；
[0012]S6、将信息增益最大的项目特征从特征列表中删除；
[0013]S7、递归执行S5
‑
S6，达到预设的停止条件时，停止执行；
[0014]S8、生成项目缺陷收敛决策树；
[0015]S9、根据项目缺陷收敛决策树预测项目的缺陷收敛预测曲线。
[0016]进一步地，所述步骤S1包括分步骤：
[0017]S11、收集历史项目的缺陷收敛数据；
[0018]S12、对历史项目缺陷收敛数据进行相似度分析，得到缺陷收敛曲线；
[0019]S13、基于缺陷收敛曲线根据缺陷分类标准对历史项目进行缺陷分类，得到项目缺陷分类标签以及分类后缺陷收敛曲线。
[0020]进一步地，所述步骤S1还包括分步骤：
[0021]S14、通过最小二乘法对分类后的缺陷收敛曲线进行曲线拟合，得到拟合后的分类后缺陷收敛曲线。
[0022]进一步地，包括项目规模、需求的变更次数、提出系统、承接系统以及计划测试周期。
[0023]进一步地，所述项目特征数据集，包括若干个项目特征属性以及一个分类字段，所述分类字段为缺陷收敛类别。
[0024]进一步地，所述预设的停止条件为：全部项目特征的信息增益均小于预设值或无项目特征。
[0025]进一步地，所述步骤S9还包括分步骤：
[0026]S91、将待测试的项目特征数据输入至项目缺陷收敛决策树；
[0027]S92、输出项目收敛缺陷类别以及分类后的缺陷收敛曲线；
[0028]S93、基于项目测试周期对分类后的缺陷收敛曲线进行数据缩放，得到项目的缺陷收敛预测曲线。
[0029]本专利技术还涉及一种软件项目缺陷收敛曲线预测系统，其特征在于，包括：
[0030]分类标签获取模块，用于获取项目缺陷分类标签；
[0031]项目特征获取模块，用于获取项目需求分析阶段及开发阶段的项目特征；
[0032]标记模块，用于根据项目特征以及项目缺陷分类标签对项目进行标记，得到项目特征数据集；
[0033]信息增益计算模块，用于基于项目特征数据集计算各个项目特征的信息增益；
[0034]比较模块，用于通过比较各个项目特征的信息增益，选择信息增益最大的项目特征作为根节点；
[0035]删除模块，用于将信息增益最大的项目特征从特征列表中删除；
[0036]递归执行模块，用于递归执行S5
‑
S6，达到预设的停止条件时，停止执行；
[0037]决策树生成模块，用于生成项目缺陷收敛决策树；
[0038]预测模块，用于根据项目缺陷收敛决策树预测项目的缺陷收敛预测曲线。
[0039]本专利技术还涉及一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。
[0040]本专利技术还涉及一种电子设备，其特征在于，包括处理器和存储器；
[0041]所述存储器，用于存储项目缺陷收敛决策树；
[0042]所述处理器，用于通过调用项目缺陷收敛决策树，执行上述的方法。
[0043]本专利技术还涉及一种计算机程序产品，包括计算机程序和/或指令，其特征在于，该计算机程序和/或指令被处理器执行时实现上述方法的步骤。
[0044]本专利技术的有益效果为：
[0045]采用本专利技术所述一种软件项目缺陷收敛曲线预测方法及系统，通过对历史项目的特征提取及缺陷数据分析进行模型化构建，进行缺陷收敛曲线拟合，采用决策树算法对项目特征及收敛曲线进行分类。为项目进行缺陷收敛曲线预测，通过与项目实际缺陷收敛曲线对比，可用于软件项目测试阶段预测及指导测试进展，及时感知项目风险，合理分配资源，提升测试效率与质量。
附图说明
[0046]图1为本专利技术一种软件项目缺陷收敛曲线预测方法流程示意图。
[0047]图2为本专利技术缺陷收敛曲线相似度分析图。
[0048]图3为本专利技术缺陷收敛曲线拟合图。图4为本专利技术一种软件项目缺陷收敛曲线预测系统结构示意图。
具体实施方式
[0049]为了更清楚的理解本专利技术的内容，将结合附图和实施例详细说明。
[0050]本专利技术第一方面涉及一种软件项目缺陷收敛曲线预测方法步骤流程如图1所示的方法，包括：
[0051]收集历史项目缺陷数据、项目特征数据，对历史项目缺陷收敛数据进行相似度分析，依据相似度分类后做曲线拟合，得到该类项目的缺陷收敛曲线趋势图。分为以下几个步骤。
[0052]S1、获取项目缺陷分类标签；
[0053]S11、收集历史项目的缺陷收敛数据；
[0054]根据缺陷的提出时间与关闭时间，可以得到缺陷收敛数据。为保证后续计算准确性，根据测试周期将数据分类：(0,5]；(5,10]；(10,20]；(20,40]；(40,80]；(80,∞)。
[0055]S12、对历史项目缺陷收敛数据进行相似度分析，得到缺陷收敛曲线；
[0056]缺陷收敛曲线依据相似度分类
[0057]从数据集合中取一条记录作为基准，从该类中取其他数据与基准数据进行比对，两条曲线按对方横坐标进行缩放，得到同样点数、同样横坐标的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种软件项目缺陷收敛曲线预测方法，其特征在于，包括：S1、获取项目缺陷分类标签；S2、获取项目需求分析阶段及开发阶段的项目特征；S3、根据项目特征以及项目缺陷分类标签对项目进行标记，得到项目特征数据集；S4、基于项目特征数据集计算各个项目特征的信息增益；S5、通过比较各个项目特征的信息增益，选择信息增益最大的项目特征作为根节点；S6、将信息增益最大的项目特征从特征列表中删除；S7、递归执行S5
‑
S6，达到预设的停止条件时，停止执行；S8、生成项目缺陷收敛决策树；S9、根据项目缺陷收敛决策树预测项目的缺陷收敛预测曲线。2.如权利要求1所述的方法，其特征在于，所述步骤S1包括分步骤：S11、收集历史项目的缺陷收敛数据；S12、对历史项目缺陷收敛数据进行相似度分析，得到缺陷收敛曲线；S13、基于缺陷收敛曲线根据缺陷分类标准对历史项目进行缺陷分类，得到项目缺陷分类标签以及分类后缺陷收敛曲线。3.如权利要求1所述的方法，其特征在于，所述步骤S1还包括分步骤：S14、通过最小二乘法对分类后的缺陷收敛曲线进行曲线拟合，得到拟合后的分类后缺陷收敛曲线。4.如权利要求1所述的方法，其特征在于，所述项目特征，包括项目规模、需求的变更次数、提出系统、承接系统以及计划测试周期。5.如权利要求1所述的方法，其特征在于，所述项目特征数据集，包括若干个项目特征属性以及一个分类字段，所述分类字段为缺陷收敛类别。6.如权利要求1所述的方法，其特征在于，所述预设的停止条件为：全部项目特征的信息增益均小于预设值或无项目特征。7.如权利要求1所述的方法，其特...

【专利技术属性】
技术研发人员：赵晓丹，刘军辉，章岩，闫鑫，冷炜，
申请(专利权)人：中信银行股份有限公司，
类型：发明
国别省市：