基于数据挖掘的软件维护精益模型

摘要

本发明提出基于数据挖掘的软件维护精益模型，基于数据挖掘的软件维护精益模型，其特征在于，该系统基于模型，对某一个研究的问题，根据给出的测试方案组S＝{s|sⁱ}，评价指标系A＝{a|a^j}及其与相应评价标准完成对每一个方案的评价所形成的测试结果共同构造了一个统计模型：主要完成模型的持久化、产生测试数据和测试数据的持久化。模型和测试数据都是结构化的，对不同领域的应用可以给出统一的数据结构。而测试结果的产生则需要根据应用领域的不同给出相应的实现，比如在性能测试应用和度量应用方面，测试结果的产生方式明显不同。而且感观性能优。

主权项

基于数据挖掘的软件维护精益模型，其特征在于，该系统基于模型，对某一个研究的问题，根据给出的测试方案组S＝{s|sⁱ}，评价指标系A＝{a|a^j}及其与相应评价标准完成对每一个方案的评价所形成的测试结果共同构造了一个统计模型：r_ijk＝μ_j+s_i+ε_ijk 0<i≤|S|,0<j≤|A|,0<k≤|R|表示关于第i个方案、第j个评价指标第k次重复实验的评价结果r_ijk可由第j个评价指标的总均值，加上第i个方案的效应，再加上一个随机误差来解释；软件过程的适应性：既适用于软件设计实现阶段又适用于软件维护阶段；比较测试采用均衡随机链的形式来组织多个方案(a,b,c,d,…)进行重复试验，均衡性体现在每个方案在链条的每个环节和整个链条中出现的次数是相等的；随机性体现在在每个链条环节中每个方案所在的次序是随机的，只要链条足够长，我们就可以认为它们的测试环境是完全一致的，对于静态测试这样的不存在实验环境误差的测试，比较测试可以转化为两次(或多次)测试。