10.3969/j.issn.1000-386x.2018.02.006
基于自学习的软件质量实时预警模型
软件质量的管理和控制在软件开发项目管理研究中十分重要,但现有的软件质量分析模型通常都是针对软件最终产品进行评估,并且其对于数据集中产生的变化不敏感,难以适应多变的开发环境.利用主成成分分析法(PCA)和一种可自主生成学习样本集的增量支持向量机(IL-SVM)提出一种可以自我进行规则增量学习的实时软件质量进行分析的预警模型.通过主成成分分析法来降低原始数据集的属性维度,然后在利用可增量学习的支持向量机来进行软件质量预警,最后利用NASA的数据集进行相关实验.结合实际情况进行分析,该方法在质量预警方面具有较好的效果.
软件质量管理、支持向量机、属性约简、质量预警
35
TP302(计算技术、计算机技术)
2018-05-14（万方平台首次上网日期，不代表论文的发表时间）
共8页
36-43
