一种基于云模型和模糊聚合的软件质量综合评价方法

摘要

本发明公开了一种基于云模型和模糊聚合的软件质量综合评价方法，首先不同领域专家评判专家给出质量特性的自然语言评价，然后基于云模型对评价信息进行定性到定量的转换，最后利用模糊软集合对所有专家的定量评价信息进行聚合，得到综合评判结果。本发明轻松实现自然语言定性评价到定量评价值的转换，且充分考虑不同领域专家的知识和经验，同时兼顾各领域专家的不同偏好。本发明对软件质量评价科学、公正、客观，准确性高。本发明可以运用于指导用户购买和使用软件，也可以指导软件开发者开发出高质量的软件产品。

主权项

一种基于云模型和模糊聚合的软件质量综合评价方法，其特征在于：包括以下步骤：(1)、用户提供待评价软件集S＝{s₁,s₂,…,s_q}，评价指标集C＝{c₁,c₂,…,c_n}和评价专家集合Ex＝{ex₁,ex₂,…,ex_m}；(2)、每个评价专家ex_k根据用户的评价指标集，给出个人评价指标集并根据个人评价指标集对每个软件s_t给出自然语言定性评价结果${\hat{V}}_k={\left({\hat{v}}_{\mathrm{ti}}^k\right)}_{q\times l_k};$(3)、基于云模型将专家的定性评价结果转换成定量评价结果其转换过程包括以下步骤：(3.1)、根据软件质量评估要求，设定各评价指标的评价度空间ED的上下限，以及选择评价度的离散性或连续性；(3.2)、根据评价度空间设计各评价指标的评价云数字特征值，一般可由各领域专家根据自身知识并结合实验数据验证得出，也有理论上的取法，即评价云的熵值取云朵有效论域区间的1/3左右；(3.3)、输入专家ex_k对评价指标的定性评价值将利用评价值所对应的评价云数字特征值产生一个随机正态分布定量值x，产生的方法为：x＝NORM(E_x,E_n)其中，E_x是云滴在论域空间分布的期望；E_n是云的熵，代表定性概念不确定性的度量；(3.4)、触发带X条件评价云EC_A，并由EC_A根据每个评价等级的评价云数字特征值依次随机产生确定度μ_i：${\mu }_i=\exp (-\frac{{(x-{\mathrm{Ex}}_A)}^2}{{{2\mathrm{En}}_A}^{\prime 2}}),$其中，Ex_A,En_A为评价云EC_A的期望值和熵；(3.5)、选取确定度最大的μ作为条件触发带Y条件评价云EC_B，并根据：$y_i=E{x}_B\pm \sqrt{-2\ln \left(\mu \right)}{{\mathrm{En}}_B}^{\prime },$计算在Ex_B,En_B条件下的值y_i，其中Ex_B,En_B为EC_B的输出云期望值和熵；(3.6)、返回步骤(3.3)，循环N次得到N个云滴y_i,通常云滴数较少时，误差会较大，而云滴数较多时，误差会减少，但计算量大、实时性差，具体实施时需要权衡利弊，根据实验效果综合考虑；(3.7)、根据N个云滴y_i，分别计算样本平均值：$\bar{y}=\frac{1}{N}\underset{i=1}{\overset{N}{\Sigma }}{y}_i,$一阶样本绝对中心距$\overrightarrow{y}=\frac{1}{N}\underset{i=1}{\overset{N}{\Sigma }}|y_i-\bar{y}|,$样本方差${\delta }^2=\frac{1}{N-1}\underset{i=1}{\overset{N}{\Sigma }}{(y_i-\bar{y})}^2;$(3.8)、求逆向云的数字特征值，根据E_y的估计值和E_n的估计值计算H_e的估计值其中，即为专家ex_k对评价指标的定性评价的定量转换值，令(4)、对所有专家的定量评价矩阵进行数据融合，从而得到最终的评估结果。