本发明专利技术提供了一种基于回归的软件过程度量预测方法及系统，包括如下步骤：步骤S1：根据收集软件开发过程中的度量数据通过回归建立度量绩效模型；步骤S2：通过度量绩效模型对度量目标进行预测。本发明专利技术通过采用度量过程绩效模型，改善了原来只能在每一次迭代结束才能度量结果的情况，而是可以在开发过程中，通过过程执行情况收集到的过程数据，预知可能达到的目标，并提前进行纠偏以提高目标达成的可能性。性。性。
【技术实现步骤摘要】
基于回归的软件过程度量预测方法及系统
[0001]本专利技术涉及软件过程度量预测的
，具体地，涉及一种基于回归的软件过程度量预测方法及系统。
技术介绍
[0002]软件过程度量是指针对所指定的软件过程，以某种方式使其过程能力指标实现合理的量化，从而以一定的标准来衡量该软件过程的质量。过程度量是软件过程管理的重要内容，是进行过程的分析、控制和改进的基础。通过对过程进行合理度量，能够认知过程的现状，并在理解的基础上进行评价，然后分析过程产生的偏差并查找偏差原因，从而使已经或者可能将要失控的项目得到合理的控制，同时还能评价过程改进的效果，达到过程评价的认知目的。
[0003]公开号为CN111506504A的中国专利技术专利文献公开了一种基于软件开发过程度量的软件安全性缺陷预测方法及装置，通过构造文件开发者图和项目代码修改图，表达了软件开发过程中开发者活动和代码修改的信息；同时使用图神经网络训练嵌入模型对图结构分别进行嵌入操作，获取其对应的特征向量作为度量元，保留了图结构中的大量信息；将获得的文件开发者度量元和文件修改度量元这两种度量元作为特征，利用缺陷数据库中的数据进行数据标注，训练分类模型，获得最终的预测模型。
[0004]针对上述中的相关技术，专利技术人认为上述方法只能在每一次迭代结束才能度量结果，目标达成的可能性较低。
技术实现思路
[0005]针对现有技术中的缺陷，本专利技术的目的是提供一种基于回归的软件过程度量预测方法及系统。
[0006]根据本专利技术提供的一种基于回归的软件过程度量预测方法，包括如下步骤：
[0007]步骤S1：根据收集的软件开发过程中的度量数据通过回归建立度量绩效模型；
[0008]步骤S2：通过度量绩效模型对度量目标进行预测。
[0009]优选的，所述步骤S1包括如下步骤：
[0010]步骤S1.1：基于组织商业目标确定组织度量目标；
[0011]步骤S1.2：根据确定组织的度量目标采集基础数据，计算度量目标值并建立过程能力基线；
[0012]步骤S1.3：根据建立的过程能力基线寻找定量关系并建立组织度量绩效模型。
[0013]优选的，所述步骤S2包括如下步骤：
[0014]步骤S2.1：使用度量绩效模型进行度量目标预测，得到预测结果；
[0015]步骤S2.2：根据预测结果进行纠偏。
[0016]优选的，在所述步骤S1.1中，确定的度量目标包括工期偏差Y1、生产率Y2和缺陷密度Y3。
[0017]优选的，在所述步骤S1.2中，根据所述度量目标，以项目迭代为单位采集基础数据；所述基础数据为迭代计划工期、迭代实际工期、迭代需求规模总数、迭代测试发现的缺陷数量和迭代实际工作量；
[0018]计算公式为：工期偏差Y1＝(迭代实际工期
‑
迭代计划工期)/迭代计划工期*100％；
[0019]生产率Y2＝迭代需求规模总数/迭代实际工作量*166.64；
[0020]缺陷密度Y3＝迭代测试发现的缺陷数量/迭代需求规模总数；
[0021]通过积累度量目标的数据，采用标准方差计算，剔除度量目标中的异常数据点，建立组织的过程能力基线。
[0022]根据本专利技术提供的一种基于回归的软件过程度量预测系统，包括如下模块：
[0023]模块M1：根据收集软件开发过程中的度量数据通过回归建立度量绩效模型；
[0024]模块M2：通过度量绩效模型对度量目标进行预测。
[0025]优选的，所述模块M1包括如下模块：
[0026]模块M1.1：基于组织商业目标确定组织度量目标；
[0027]模块M1.2：根据确定组织的度量目标采集基础数据，计算度量目标值并建立过程能力基线；
[0028]模块M1.3：根据建立的过程能力基线寻找定量关系并建立组织度量绩效模型。
[0029]优选的，所述模块M2包括如下模块：
[0030]模块M2.1：使用度量绩效模型进行度量目标预测，得到预测结果；
[0031]模块M2.2：根据预测结果进行纠偏。
[0032]优选的，在所述模块M1.1中，确定的度量目标包括工期偏差Y1、生产率Y2和缺陷密度Y3。
[0033]优选的，在所述模块M1.2中，根据所述度量目标，以项目迭代为单位采集基础数据；所述基础数据为迭代计划工期、迭代实际工期、迭代需求规模总数、迭代测试发现的缺陷数量和迭代实际工作量；
[0034]计算公式为：工期偏差Y1＝(迭代实际工期
‑
迭代计划工期)/迭代计划工期*100％；
[0035]生产率Y2＝迭代需求规模总数/迭代实际工作量*166.64；
[0036]缺陷密度Y3＝迭代测试发现的缺陷数量/迭代需求规模总数；
[0037]通过积累度量目标的数据，采用标准方差计算，剔除度量目标中的异常数据点，建立组织的过程能力基线。
[0038]与现有技术相比，本专利技术具有如下的有益效果：
[0039]1、本专利技术通过采用度量过程绩效模型，改善了原来只能在每一次迭代结束才能度量结果的情况；
[0040]2、本专利技术可以在开发过程中，通过过程执行情况收集到的过程数据，预知可能达到的目标，并提前进行纠偏以提高目标达成的可能性；
[0041]3、通过预测数据与实际数据比对，可以验证模型的健壮性和稳定性，可以为组织后续调整因子提供依据，从而来提高不同子过程的执行能力。
附图说明
[0042]通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：
[0043]图1为本专利技术实施例的流程图；
[0044]图2为缺陷密度Y3最终建模的可用数据截图；
[0045]图3为图2基于回归算法的结果截图；
[0046]图4为缺陷密度Y3的预测模型截图。
具体实施方式
[0047]下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变化和改进。这些都属于本专利技术的保护范围。
[0048]本专利技术实施例公开了一种基于回归的软件过程度量预测方法，如图1所示，包括如下步骤：步骤S1：根据收集的软件开发过程中的度量数据通过回归建立度量绩效模型。步骤S1包括如下步骤：步骤S1.1：基于组织商业目标确定组织度量目标。确定的度量目标包括工期偏差Y1、生产率Y2和缺陷密度Y3。G1：持续
‑‑‑
能够按期交付，提高对工期的控制能力。确定度量目标：Y1工期偏差。G2：高效
‑‑‑
提高开发效率，在给定的人员和时间范围内能支持更多项目。确定度量目标：Y2生产率。G3：稳定、可靠
‑‑‑
提高产品质量，减少用户缺陷。确定度量目标：Y3缺陷密度。本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于回归的软件过程度量预测方法，其特征在于，包括如下步骤：步骤S1：根据收集的软件开发过程中的度量数据通过回归建立度量绩效模型；步骤S2：通过度量绩效模型对度量目标进行预测。2.根据权利要求1所述的基于回归的软件过程度量预测方法，其特征在于，所述步骤S1包括如下步骤：步骤S1.1：基于组织商业目标确定组织度量目标；步骤S1.2：根据确定组织的度量目标采集基础数据，计算度量目标值并建立过程能力基线；步骤S1.3：根据建立的过程能力基线寻找定量关系并建立组织度量绩效模型。3.根据权利要求1所述的基于回归的软件过程度量预测方法，其特征在于，所述步骤S2包括如下步骤：步骤S2.1：使用度量绩效模型进行度量目标预测，得到预测结果；步骤S2.2：根据预测结果进行纠偏。4.根据权利要求2所述的基于回归的软件过程度量预测方法，其特征在于，在所述步骤S1.1中，确定的度量目标包括工期偏差Y1、生产率Y2和缺陷密度Y3。5.根据权利要求4所述的基于回归的软件过程度量预测方法，其特征在于，在所述步骤S1.2中，根据所述度量目标，以项目迭代为单位采集基础数据；所述基础数据为迭代计划工期、迭代实际工期、迭代需求规模总数、迭代测试发现的缺陷数量和迭代实际工作量；计算公式为：工期偏差Y1＝(迭代实际工期
‑
迭代计划工期)/迭代计划工期*100％；生产率Y2＝迭代需求规模总数/迭代实际工作量*166.64；缺陷密度Y3＝迭代测试发现的缺陷数量/迭代需求规模总数；通过积累度量目标的数据，采用标准方差计算，剔除度量目标中的异常数据点，建立组织的过程能力基线。6.一种基于回...
【专利技术属性】
技术研发人员：黄琳芳，滕逸龙，毛玲燕，
申请(专利权)人：上海宝信软件股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。