CN110196811A - 一种用于评价软件质量的方法及设备 - Google Patents

一种用于评价软件质量的方法及设备 Download PDF

Info

Publication number
CN110196811A
CN110196811A CN201910481689.7A CN201910481689A CN110196811A CN 110196811 A CN110196811 A CN 110196811A CN 201910481689 A CN201910481689 A CN 201910481689A CN 110196811 A CN110196811 A CN 110196811A
Authority
CN
China
Prior art keywords
evaluation index
trip current
evaluation
maximum eigenvalue
index
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910481689.7A
Other languages
English (en)
Other versions
CN110196811B (zh
Inventor
侯觅
何育浩
李家宏
陈芳芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Pudong Software Platform Co Ltd
Original Assignee
Shanghai Pudong Software Platform Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Pudong Software Platform Co Ltd filed Critical Shanghai Pudong Software Platform Co Ltd
Priority to CN201910481689.7A priority Critical patent/CN110196811B/zh
Publication of CN110196811A publication Critical patent/CN110196811A/zh
Application granted granted Critical
Publication of CN110196811B publication Critical patent/CN110196811B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3604—Software analysis for verifying properties of programs
    • G06F11/3608—Software analysis for verifying properties of programs using formal methods, e.g. model checking, abstract interpretation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Stored Programmes (AREA)

Abstract

本申请的目的是提供一种用于评价软件质量的方法及设备，本申请通过确定待评价软件的第一层级中第一评价指标和第二层级中第二评价指标；根据所述第一评价指标和所述第二评价指标建立判定表，为所述判定表构造判定矩阵；根据所述判定矩阵的一致性判断是否重新建立判定表，若否，则确定各第一评价指标对应的权重和各第二评价指标对应的权重；确定所述第二层级对应的评价指标百分值，根据所述第二层级对应的评价指标百分值、各第二评价指标对应的权重以及各第一评价指标对应的权重确定所述待评价软件的质量评价百分值。从而客观、准确地确定软件质量评价指标的权重，并可适应于不同类别的软件质量的评价。

Description

一种用于评价软件质量的方法及设备
技术领域
本申请涉及计算机领域，尤其涉及一种用于评价软件质量的方法及设备。
背景技术
在软件质量量化评价时，确定软件各质量特性的权重时，传统的做法是根据相对重要程度感觉，直接给出一个权重系数，这种方法给出的权重系数很难客观，受主观影响比较大。从心理学的角度分析，一般人很难准确地直接给出权重，得到的权重准确率不高，影响软件质量评价的准确度，且软件类别众多，各类软件的特性差异较大，没有统一的评价模型，评价方法的可扩展性比较低。
发明内容
本申请的一个目的是提供一种用于评价软件质量的方法及设备，解决现有技术中软件质量评价准确率不高、扩展性低的问题。
根据本申请的一个方面，提供了一种用于评价软件质量的方法，该方法包括：
确定待评价软件的第一层级中第一评价指标和第二层级中第二评价指标，其中，所述第一评价指标与所述第二评价指标关联；
根据所述第一评价指标和所述第二评价指标建立判定表，为所述判定表构造判定矩阵；
根据所述判定矩阵的一致性判断是否重新建立判定表，若否，则确定各第一评价指标对应的权重和各第二评价指标对应的权重；
确定所述第二层级对应的评价指标百分值，根据所述第二层级对应的评价指标百分值、各第二评价指标对应的权重以及各第一评价指标对应的权重确定所述待评价软件的质量评价百分值。
进一步地，根据所述第一评价指标和所述第二评价指标建立判定表，为所述判定表构造判定矩阵，包括：
对同属上一层评价指标的同层各评价指标进行两两比较相对重要程度，将比较结果写入判定表；
根据所述判定表构造判定矩阵，其中，所述矩阵中的元素aij表示第i个评价指标与第j个评价指标相对重要程度的比较结果，第j个评价指标与第i个评价指标同属于上一层同一评价指标。
进一步地，所述判定矩阵满足以下条件：
所述判定矩阵的主角线上的元素为1；
所述判定矩阵中的元素aij＝1/aij；
所述判定矩阵为方阵且为正互反矩阵。
进一步地，根据所述判定矩阵判断是否重新建立判定表，包括：
确定所述判定矩阵的特征向量及最大特征值；
根据所述最大特征值进行一致性检验，得到检验结果；
根据所述检验结果确定是否重新建立判定表。
进一步地，确定所述判定矩阵的特征向量及最大特征值，包括：
当所述判定矩阵的维数为2时，使用第一求解方式确定所述判定矩阵的特征向量及最大特征值；
当所述判定矩阵的维数大于2时，使用第二求解方式确定所述判定矩阵的特征向量及最大特征值。
进一步地，所述第一求解方式包括：
通过第一公式确定所述最大特征值，通过第二公式和第三公式确定所述特征向量，其中，所述第一公式为：
λmax＝(a11+a22+((a11+a22)2+4×(a11a22-a12a21))1/2)/2，λmax为所述判定矩阵的最大特征值，a11、a12、a21、a22为所述判定矩阵的元素；
所述第二公式为：W1＝1/(1+(λmax-a11)/a12)，第三公式为：W2＝1-W1；W1、W2为所述判定矩阵的特征向量值，a11、a12为所述判定矩阵的元素。
进一步地，所述第二求解方式包括：
对所述判定矩阵中的每行元素连乘并求n次方根，其中，所述n为所述判定矩阵的维数；
根据所述n次方根确定所述特征向量；
计算所述判定矩阵中每列元素求和后的值；
根据所述求和后的值确定所述最大特征值。
进一步地，根据所述最大特征值进行一致性检验，包括：
根据所述最大特征值确定随机一致性比率；
若所述最大特征值小于同阶临界特征值，且所述随机一致性比率小于预设值，则所述判定矩阵满足一致性检验。
进一步地，根据所述最大特征值确定随机一致性比率，包括：
根据所述最大特征值及所述判定矩阵的维数确定一致性指标；
根据所述一致性指标及平均随机一致性指标确定所述随机一致性比率。
进一步地，根据所述最大特征值及所述判定矩阵的维数确定一致性指标，包括以下条件：
CI＝(λmax-n)/(n-1)；
其中，CI为一致性指标，λmax为判断矩阵的最大特征值，n为判断矩阵的维数。
进一步地，根据所述一致性指标及平均随机一致性指标确定所述随机一致性比率，满足以下条件：
CR＝CI/RI＝((λmax-n)/(n-1))/RI；
其中，CR为随机一致性比率，λmax为判断矩阵的最大特征值，n为判断矩阵的维数，RI为平均随机一致性指标。
根据本申请另一个方面，还提供了一种用于评价软件质量的设备，该设备包括：
一个或多个处理器；以及
存储有计算机可读指令的存储器，所述计算机可读指令在被执行时使所述处理器执行如前述所述方法的操作。
根据本申请再一个方面，还提供了一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如前述所述的方法。
与现有技术相比，本申请通过确定待评价软件的第一层级中第一评价指标和第二层级中第二评价指标，其中，所述第一评价指标与所述第二评价指标关联；根据所述第一评价指标和所述第二评价指标建立判定表，为所述判定表构造判定矩阵；根据所述判定矩阵的一致性判断是否重新建立判定表，若否，则确定各第一评价指标对应的权重和各第二评价指标对应的权重；确定所述第二层级对应的评价指标百分值，根据所述第二层级对应的评价指标百分值、各第二评价指标对应的权重以及各第一评价指标对应的权重确定所述待评价软件的质量评价百分值。从而可以客观、准确地确定软件质量评价指标的权重，求解权重的方法可以误差在较小数量级，并可适应于不同类别的软件质量的评价。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1示出根据本申请的一个方面提供的一种用于评价软件质量的方法流程示意图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本申请作进一步详细描述。
在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(例如中央处理器(Central Processing Unit，CPU))、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RandomAccess Memory，RAM)和/或非易失性内存等形式，如只读存储器(Read Only Memory，ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(Phase-Change RAM，PRAM)、静态随机存取存储器(Static Random Access Memory，SRAM)、动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、数字多功能光盘(Digital Versatile Disk，DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
图1示出根据本申请的一个方面提供的一种用于评价软件质量的方法流程示意图，该方法包括：步骤S11～步骤S14，
在步骤S11中，确定待评价软件的第一层级中第一评价指标和第二层级中第二评价指标，其中，所述第一评价指标与所述第二评价指标关联；在此，第一层级每个评价指标由一组相关的第二层级的评价指标组成，位于第一层级的评价指标为第一评价指标，位于第二层级的评价指标为第二评价指标。在本申请一实施例中，如表1所示，第一评价指标(第一层级评价指标)为功能性、性能效率、兼容性、易用性、可靠性、安全性、维护性和可移植性，第二评价指标(第二层级评价指标)比如功能完备性、功能正确性、功能适合性等。
表1
根据待评价软件的质量特性建立软件质量评价指标模型，该评价指标模型如利用表1所示的指标进行建立，针对不同类别软件时，可根据软件特征对该模型中的参考评价指标进行增删。
在步骤S12中，根据所述第一评价指标和所述第二评价指标建立判定表，为所述判定表构造判定矩阵；在此，建立多层次细化软件质量评价指标后，用层次分析法确定评价指标的相对权重，具体地，先建立判定表，根据该判定表构建判定矩阵，从而利用判定矩阵计算各评价指标对应的权重。当利用判定表构建的判定矩阵不通过一致性检验时，则需要重新建立判定表，从而通过判定过程使得构建的判定矩阵更加准确，得到的评价指标的权重更加的准确。
在步骤S13中，根据所述判定矩阵的一致性判断是否重新建立判定表，若否，则确定各第一评价指标对应的权重和各第二评价指标对应的权重；在此，当判定矩阵通过一致性检验时，无需重新建立判定表，则利用当前的判定矩阵计算各层级中各评价指标对应的权重。从而在步骤S14，确定所述第二层级对应的评价指标百分值，根据所述第二层级对应的评价指标百分值、各第二评价指标对应的权重以及各第一评价指标对应的权重确定所述待评价软件的质量评价百分值。在此，对第二层级的各评价指标进行测评，得到第二层级对应的评价指标百分值，根据评价指标的权重、第二层级对应的评价指标百分值计算软件质量的总体评价的百分值，从而利用该总体评价的百分值评估软件质量。
在本申请一实施例中，在步骤S12中，对同属上一层评价指标的同层各评价指标进行两两比较重要程度，将比较结果写入判定表；根据所述判定表构造判定矩阵，其中，所述矩阵中的元素aij表示第i个评价指标与第j个评价指标相对重要程度的比较结果，第j个评价指标与第i个评价指标同属上一层同一评价指标。在此，可以根据判定表确定比例标度，如表2所示的定性信息与定量值的关系，对同属上一层评价指标的同层各指标进行两两比较重要程度，将两两比较的结果写入指标重要性判定表，写入判定表时可以引入定量评价符合“+”、“-”、“＝”，其与定量值的对应关系如表3所示。
表2
定量值 定量符号 定性信息
1 ＝ 同等重要
3 + 稍微重要
5 ++ 明显重要
7 +++ 非常重要
9 ++++ 绝对重要
1/3 － 稍微不重要
1/5 －－ 明显不重要
1/7 －－－ 非常不重要
1/9 －－－－ 绝对不重要
表3
根据判定表构建判定矩阵，判定矩阵中的aij表示同属上一层的某两个评价指标，即第i个评价指标与第j个评价指标相对重要性的结果。判定矩阵满足以下条件：所述判定矩阵的主角线上的元素为1，即aij＝1；所述判定矩阵中的元素aij＝1/aij；所述判定矩阵为方阵且为正互反矩阵。
在本申请一实施例中，在步骤S13中，确定所述判定矩阵的特征向量及最大特征值；根据所述最大特征值进行一致性检验，得到检验结果；根据所述检验结果确定是否重新建立判定表。在此，根据构建的判定矩阵，求解该判定矩阵的特征向量以及最大特征值，根据最大特征值对该判定矩阵进行一致性检验，若该判定矩阵满足一致性检验，则得到的特征向量为各评价指标的权重分配值，若该判定矩阵不满足一致性检验，则需要重新构建判定表。
接上述实施例，确定所述判定矩阵的特征向量及最大特征值时，可通过以下方式进行求解：
当所述判定矩阵的维数为2时，使用第一求解方式确定所述判定矩阵的特征向量及最大特征值；
当所述判定矩阵的维数大于2时，使用第二求解方式确定所述判定矩阵的特征向量及最大特征值。
具体地，所述第一求解方式包括：通过第一公式确定所述最大特征值，通过第二公式和第三公式确定所述特征向量，其中，所述第一公式为：λmax＝(a11+a22+((a11+a22)2+4×(a11a22-a12a21))1/2)/2，λmax为所述判定矩阵的最大特征值，a11、a12、a21、a22为所述判定矩阵的元素；所述第二公式为：W1＝1/(1+(λmax-a11)/a12)，第三公式为：W2＝1-W1；W1、W2为所述判定矩阵的特征向量值，a11、a12为所述判定矩阵的元素。在此，当判定矩阵的维数为1时，最大特征值的计算方式采用第一公式，特征向量W＝{W1，W2}的计算方式采用第二公式。
具体地，所述第二求解方式包括：对所述判定矩阵中的每行元素连乘并求n次方根，其中，所述n为所述判定矩阵的维数；根据所述n次方根确定所述特征向量；计算所述判定矩阵中每列元素求和后的值；根据所述求和后的值确定所述最大特征值。在此，当判定矩阵的维数大于2时，采用本征向量法求解最大特征值，通过第二求解方式可以使得误差在10-3数量级，首先对判定矩阵中的每行元素连乘并求n次方根：
其中,Wi*为判定矩阵第i行元素连乘并n次方根的值；
n为判定矩阵的维数，aij表示相对于上一层同属的某指标，即第i个指标与第j个指标相对重要性的结果。
接着，求特征向量W＝{W1，W2，……，Wn}：
其中，i＝1,2,……，n，Wi为判断矩阵特征向量第i个值。
随后，矩阵中每列元素求和：
其中，i,j＝1,2,……，n，Sj为判断矩阵第j列的元素的和。
最后，计算最大特征值λmax的值：
其中，i＝1,2,……,n。
在本申请一实施例中，进行一致性检验时，根据所述最大特征值确定随机一致性比率；若所述最大特征值小于同阶临界特征值，且所述随机一致性比率小于预设值，则所述判定矩阵满足一致性检验。在此，当判定矩阵的维数为2时，不需要一致性检验，当判定矩阵的维数大于2时，满足一致性的条件如下：a)最大特征值预设值λmax小于同阶临界特征值λ’max，其中，各阶临界特征值如表4所示；b)随机一致性比率CR<0.1；若有一个条件不满足则需要调整判定矩阵，根据调整后的判定表进行调整判定矩阵，若两个条件均满足，则该判定矩阵满足一致性检验，求得的特征向量W＝{W1，W2，……，Wn}各元素即为各评价指标的权重分配值。
n 2 3 4 5 6 7 8 9 10
RI 0.00 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49
λ’<sub>max</sub> 3.116 4.07 5.45 6.62 7.79 8.99 10.16 11.34
表4
在本申请一实施例中，确定随机一致性比率时，可以根据所述最大特征值及所述判定矩阵的维数确定一致性指标；根据所述一致性指标及平均随机一致性指标确定所述随机一致性比率。具体地，计算一致性指标时，通过以下公式计算：CI＝(λmax-n)/(n-1)；其中，CI为一致性指标，λmax为判断矩阵的最大特征值，n为判断矩阵的维数。
计算随机一致性比率时，通过以下公式计算：
CR＝CI/RI＝((λmax-n)/(n-1))/RI；
其中，CR为随机一致性比率，λmax为判断矩阵的最大特征值，n为判断矩阵的维数，RI为平均随机一致性指标。
在本申请一实施例中，对第二层级评价指标(第二评价指标)进行测评，得出第二层级评价指标的百分值，根据第二层级各评价指标的百分值和第一层级、第二层级各评价指标权重，计算待评价软件的质量评价总体百分值，具体如下：
S1：对第二层级评价指标进行测评，得出第二层级评价指标的百分值；
S2：根据第一层级各评价指标相应的第二层级评价指标权重向量W＝{W1，W2，……，Wn}和相应的第二层级评价指标的百分值进行线性加权，得出该第一层级各评价指标的百分值，从而依次得出其它第一层级评价指标的百分值；
S3：根据第一层级各评价指标权重向量W＝{W1，W2，……，Wn}和第一层级各评价指标的百分值进行线性加权，得出待评价软件质量综合评价的百分值。
通过本申请所述的评价软件质量的方法，运用层次分析方法将非数值型的输入被转化为标度，可以客观、准确地确定软件质量评价指标的权重，求解权重的方法可以误差在10-3数量级。
此外，本申请实施例还提供了一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现前述一种用于评价软件质量的方法。
在本申请一实施例中，还提供了一种用于评价软件质量的设备，所述设备包括：
一个或多个处理器；以及
存储有计算机可读指令的存储器，所述计算机可读指令在被执行时使所述处理器执行如前述所述方法的操作。
例如，计算机可读指令在被执行时使所述一个或多个处理器：
确定待评价软件的第一层级中第一评价指标和第二层级中第二评价指标，其中，所述第一评价指标与所述第二评价指标关联；
根据所述第一评价指标和所述第二评价指标建立判定表，为所述判定表构造判定矩阵；
根据所述判定矩阵的一致性判断是否重新建立判定表，若否，则确定各第一评价指标对应的权重和各第二评价指标对应的权重；
确定所述第二层级对应的评价指标百分值，根据所述第二层级对应的评价指标百分值、各第二评价指标对应的权重以及各第一评价指标对应的权重确定所述待评价软件的质量评价百分值。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
另外，本申请的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此，根据本申请的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (13)

1.一种用于评价软件质量的方法，其特征在于，所述方法包括：
确定待评价软件的第一层级中第一评价指标和第二层级中第二评价指标，其中，所述第一评价指标与所述第二评价指标关联；
根据所述第一评价指标和所述第二评价指标建立判定表，为所述判定表构造判定矩阵；
根据所述判定矩阵的一致性判断是否重新建立判定表，若否，则确定各第一评价指标对应的权重和各第二评价指标对应的权重；
确定所述第二层级对应的评价指标百分值，根据所述第二层级对应的评价指标百分值、各第二评价指标对应的权重以及各第一评价指标对应的权重确定所述待评价软件的质量评价百分值。
2.根据权利要求1所述的方法，其特征在于，根据所述第一评价指标和所述第二评价指标建立判定表，为所述判定表构造判定矩阵，包括：
对同属上一层评价指标的同层各评价指标进行两两比较重要程度，将比较结果写入判定表；
根据所述判定表构造判定矩阵，其中，所述矩阵中的元素aij表示第i个评价指标与第j个评价指标相对重要程度的比较结果，第j个评价指标与第i个评价指标同属于上一层同一评价指标。
3.根据权利要求2所述的方法，其特征在于，所述判定矩阵满足以下条件：
所述判定矩阵的主角线上的元素为1；
所述判定矩阵中的元素aij＝1/aij；
所述判定矩阵为方阵且为正互反矩阵。
4.根据权利要求1至3中任一项所述的方法，其特征在于，根据所述判定矩阵的一致性判断是否重新建立判定表，包括：
确定所述判定矩阵的特征向量及最大特征值；
根据所述最大特征值进行一致性检验，得到检验结果；
根据所述检验结果确定是否重新建立判定表。
5.根据权利要求4所述的方法，其特征在于，确定所述判定矩阵的特征向量及最大特征值，包括：
当所述判定矩阵的维数为2时，使用第一求解方式确定所述判定矩阵的特征向量及最大特征值；
当所述判定矩阵的维数大于2时，使用第二求解方式确定所述判定矩阵的特征向量及最大特征值。
6.根据权利要求5所述的方法，其特征在于，所述第一求解方式包括：
通过第一公式确定所述最大特征值，通过第二公式和第三公式确定所述特征向量，其中，所述第一公式为：
λmax＝(a11+a22+((a11+a22)2+4×(a11a22-a12a21))1/2)/2，λmax为所述判定矩阵的最大特征值，a11、a12、a21、a22为所述判定矩阵的元素；
所述第二公式为：W1＝1/(1+(λmax-a11)/a12)，第三公式为：W2＝1-W1；W1、W2为所述判定矩阵的特征向量值，a11、a12为所述判定矩阵的元素。
7.根据权利要求5所述的方法，其特征在于，所述第二求解方式包括：
对所述判定矩阵中的每行元素连乘并求n次方根，其中，所述n为所述判定矩阵的维数；
根据所述n次方根确定所述特征向量；
计算所述判定矩阵中每列元素求和后的值；
根据所述求和后的值确定所述最大特征值。
8.根据权利要求4所述的方法，其特征在于，根据所述最大特征值进行一致性检验，包括：
根据所述最大特征值确定随机一致性比率；
若所述最大特征值小于同阶临界特征值，且所述随机一致性比率小于预设值，则所述判定矩阵满足一致性检验。
9.根据权利要求8所述的方法，其特征在于，根据所述最大特征值确定随机一致性比率，包括：
根据所述最大特征值及所述判定矩阵的维数确定一致性指标；
根据所述一致性指标及平均随机一致性指标确定所述随机一致性比率。
10.根据权利要求8所述的方法，其特征在于，根据所述最大特征值及所述判定矩阵的维数确定一致性指标，包括以下条件：
CI＝(λmax-n)/(n-1)；
其中，CI为一致性指标，λmax为判断矩阵的最大特征值，n为判断矩阵的维数。
11.根据权利要求10所述的方法，其特征在于，根据所述一致性指标及平均随机一致性指标确定所述随机一致性比率，满足以下条件：
CR＝CI/RI＝((λmax-n)/(n-1))/RI；
其中，CR为随机一致性比率，λmax为判断矩阵的最大特征值，n为判断矩阵的维数，RI为平均随机一致性指标。
12.一种用于评价软件质量的设备，其特征在于，所述设备包括：
一个或多个处理器；以及
存储有计算机可读指令的存储器，所述计算机可读指令在被执行时使所述处理器执行如权利要求1至11中任一项所述方法的操作。
13.一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如权利要求1至11中任一项所述的方法。
CN201910481689.7A 2019-06-04 2019-06-04 一种用于评价软件质量的方法及设备 Active CN110196811B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910481689.7A CN110196811B (zh) 2019-06-04 2019-06-04 一种用于评价软件质量的方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910481689.7A CN110196811B (zh) 2019-06-04 2019-06-04 一种用于评价软件质量的方法及设备

Publications (2)

Publication Number Publication Date
CN110196811A true CN110196811A (zh) 2019-09-03
CN110196811B CN110196811B (zh) 2024-02-13

Family

ID=67753923

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910481689.7A Active CN110196811B (zh) 2019-06-04 2019-06-04 一种用于评价软件质量的方法及设备

Country Status (1)

Country Link
CN (1) CN110196811B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111353858A (zh) * 2020-03-10 2020-06-30 中国标准化研究院 消费品在线信誉计算方法及设备
CN113420966A (zh) * 2021-06-08 2021-09-21 煤炭科学研究总院 桥梁环境评分的获取方法及装置
CN113537781A (zh) * 2021-07-19 2021-10-22 建信融通有限责任公司 一种移动端软件评价方法、装置、存储介质和设备
CN114048208A (zh) * 2021-11-10 2022-02-15 天津大学 基于bp神经网络对众包设计进行检索的方法
CN114327586A (zh) * 2022-01-05 2022-04-12 北京京航计算通讯研究所 一种非嵌入式军用软件质量评价方法、系统及存储介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102902882A (zh) * 2012-09-14 2013-01-30 安徽南瑞继远软件有限公司 一种信息系统运行质量的评价方法
CN105007170A (zh) * 2015-05-11 2015-10-28 大连理工大学 一种基于fahp-svm理论的wlan网络负载综合评价方法
CN105095312A (zh) * 2014-05-22 2015-11-25 阿里巴巴集团控股有限公司 网页前端性能的评估方法和系统
KR20160011776A (ko) * 2014-07-22 2016-02-02 성균관대학교산학협력단 다중 의사 결정 문제 해결을 위한 계층적 분석 기법, 회색수 및 엔트로피 기반의 해법 연산 방법
CN106447212A (zh) * 2016-10-11 2017-02-22 广西电网有限责任公司电力科学研究院 一种基于ahp的智能电表软件质量评价方法
CN106447205A (zh) * 2016-09-30 2017-02-22 国家电网公司 一种基于层次分析法的配电自动化终端状态评价方法
CN106570640A (zh) * 2016-10-28 2017-04-19 中国电力科学研究院 一种确定电网环保信息传播效果的方法和系统
CN106611099A (zh) * 2015-10-16 2017-05-03 中国传媒大学 一种基于层次分析法的节目评价系统及方法
CN106651195A (zh) * 2016-12-29 2017-05-10 中国农业大学 一种确定土壤压实程度的评价方法
CN107527131A (zh) * 2017-07-03 2017-12-29 中国农业大学 一种集群电机系统能耗水平评价方法及装置
CN107644285A (zh) * 2017-08-14 2018-01-30 国网浙江省电力公司经济技术研究院 售电市场盈利能力评估指标的筛选与权重确定方法及系统
CN109409756A (zh) * 2018-11-02 2019-03-01 河南工程学院 基于ahp的建筑施工现场安全评价方法
CN109657313A (zh) * 2018-12-08 2019-04-19 中国电子科技集团公司第二十八研究所 基于改进层次分析法的导弹性能评估方法
CN109685296A (zh) * 2017-10-18 2019-04-26 国家电网公司 计及历史状态的用电信息采集系统模糊综合评价方法
CN109829643A (zh) * 2019-01-28 2019-05-31 山东大学 一种多层次分析的新能源冷热电联供系统综合评价方法及系统

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102902882A (zh) * 2012-09-14 2013-01-30 安徽南瑞继远软件有限公司 一种信息系统运行质量的评价方法
CN105095312A (zh) * 2014-05-22 2015-11-25 阿里巴巴集团控股有限公司 网页前端性能的评估方法和系统
KR20160011776A (ko) * 2014-07-22 2016-02-02 성균관대학교산학협력단 다중 의사 결정 문제 해결을 위한 계층적 분석 기법, 회색수 및 엔트로피 기반의 해법 연산 방법
CN105007170A (zh) * 2015-05-11 2015-10-28 大连理工大学 一种基于fahp-svm理论的wlan网络负载综合评价方法
CN106611099A (zh) * 2015-10-16 2017-05-03 中国传媒大学 一种基于层次分析法的节目评价系统及方法
CN106447205A (zh) * 2016-09-30 2017-02-22 国家电网公司 一种基于层次分析法的配电自动化终端状态评价方法
CN106447212A (zh) * 2016-10-11 2017-02-22 广西电网有限责任公司电力科学研究院 一种基于ahp的智能电表软件质量评价方法
CN106570640A (zh) * 2016-10-28 2017-04-19 中国电力科学研究院 一种确定电网环保信息传播效果的方法和系统
CN106651195A (zh) * 2016-12-29 2017-05-10 中国农业大学 一种确定土壤压实程度的评价方法
CN107527131A (zh) * 2017-07-03 2017-12-29 中国农业大学 一种集群电机系统能耗水平评价方法及装置
CN107644285A (zh) * 2017-08-14 2018-01-30 国网浙江省电力公司经济技术研究院 售电市场盈利能力评估指标的筛选与权重确定方法及系统
CN109685296A (zh) * 2017-10-18 2019-04-26 国家电网公司 计及历史状态的用电信息采集系统模糊综合评价方法
CN109409756A (zh) * 2018-11-02 2019-03-01 河南工程学院 基于ahp的建筑施工现场安全评价方法
CN109657313A (zh) * 2018-12-08 2019-04-19 中国电子科技集团公司第二十八研究所 基于改进层次分析法的导弹性能评估方法
CN109829643A (zh) * 2019-01-28 2019-05-31 山东大学 一种多层次分析的新能源冷热电联供系统综合评价方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
XINMIN TAO 等: "Spectral clustering algorithm using density-sensitive distance measure with global and local consistencies", 《KNOWLEDGE-BASED SYSTEMS》, vol. 170, pages 26 - 42 *
周丽 等: "一种改进Vague集方法的软件质量评价研究", 《数学的实践与认识》, vol. 47, no. 22, pages 36 - 45 *
焦丰顺 等: "一种基于组合权重的智能电网综合评估模型应用", 《电力系统及其自动化学报》, vol. 29, no. 11, pages 143 - 150 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111353858A (zh) * 2020-03-10 2020-06-30 中国标准化研究院 消费品在线信誉计算方法及设备
CN113420966A (zh) * 2021-06-08 2021-09-21 煤炭科学研究总院 桥梁环境评分的获取方法及装置
CN113537781A (zh) * 2021-07-19 2021-10-22 建信融通有限责任公司 一种移动端软件评价方法、装置、存储介质和设备
CN114048208A (zh) * 2021-11-10 2022-02-15 天津大学 基于bp神经网络对众包设计进行检索的方法
CN114327586A (zh) * 2022-01-05 2022-04-12 北京京航计算通讯研究所 一种非嵌入式军用软件质量评价方法、系统及存储介质
CN114327586B (zh) * 2022-01-05 2023-12-22 北京京航计算通讯研究所 一种非嵌入式军用软件质量评价方法、系统及存储介质

Also Published As

Publication number Publication date
CN110196811B (zh) 2024-02-13

Similar Documents

Publication Publication Date Title
CN110196811A (zh) 一种用于评价软件质量的方法及设备
Cheung et al. Testing moderation in business and psychological studies with latent moderated structural equations
Bornmann et al. How to improve the prediction based on citation impact percentiles for years shortly after the publication date?
Mitchell et al. Bayesian model selection with BAMM: effects of the model prior on the inferred number of diversification shifts
CN103929330B (zh) 域名服务质量评估方法及系统
CN106549813A (zh) 一种网络性能的评估方法及系统
CN109034562B (zh) 一种社交网络节点重要性评估方法及系统
KR102019207B1 (ko) 텍스트 분석을 위한 데이터 품질 평가 장치 및 방법
CN109446812A (zh) 一种嵌入式系统固件安全分析方法及系统
Silva Lomba et al. L-moments for automatic threshold selection in extreme value analysis
CN104679655B (zh) 基于参数相关性的软件系统状态评估方法
Feng Underlying determinants driving agreement among coders
CN111209316A (zh) 一种信息素养数据挖掘方法、装置、电子设备及存储介质
Martín Andrés et al. Hubert's multi‐rater kappa revisited
CN115841046A (zh) 基于维纳过程的加速退化试验数据处理方法和装置
CN110046789A (zh) 一种学生信息素养测评试卷的自动生成方法及系统
Royer-Gaspard et al. PMR–a proxy metric to assess hydrological model robustness in a changing climate
Reig-Mullor et al. The evaluation performance for commercial banks by intuitionistic fuzzy numbers: The case of Spain
CN105843744B (zh) 用于并行程序蜕变测试的蜕变关系优先级排序方法
Bhatti et al. Revisiting the probability distribution of low streamflow series in the United States
US7797136B2 (en) Metrics to evaluate process objects
CN104820719A (zh) 基于用户上下文数据的Web服务信誉度度量方法
CN107644285A (zh) 售电市场盈利能力评估指标的筛选与权重确定方法及系统
Tong et al. Robust Bayesian growth curve modelling using conditional medians
Wiltshaw Spatial autocorrelation and valuation accuracy: a neglected methodological problem

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant