CN114995864A - 一种基于层次分析法的工业软件质量度量方法 - Google Patents

一种基于层次分析法的工业软件质量度量方法 Download PDF

Info

Publication number
CN114995864A
CN114995864A CN202210439837.0A CN202210439837A CN114995864A CN 114995864 A CN114995864 A CN 114995864A CN 202210439837 A CN202210439837 A CN 202210439837A CN 114995864 A CN114995864 A CN 114995864A
Authority
CN
China
Prior art keywords
measurement
quality
software
index
metric
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.)
Pending
Application number
CN202210439837.0A
Other languages
English (en)
Inventor
李伟
付修锋
徐哲炜
闫惟娜
刘悦
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.)
Beijing Institute of Computer Technology and Applications
Original Assignee
Beijing Institute of Computer Technology and Applications
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 Beijing Institute of Computer Technology and Applications filed Critical Beijing Institute of Computer Technology and Applications
Priority to CN202210439837.0A priority Critical patent/CN114995864A/zh
Publication of CN114995864A publication Critical patent/CN114995864A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/70—Software maintenance or management
    • 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)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Stored Programmes (AREA)

Abstract

本发明涉及一种基于层次分析法的工业软件质量度量方法，属于软件评价领域。本发明构建质量度量模型，并将所有度量指标划分为4层结构，即软件总体质量、质量特性、质量子特性和质量度量元，对度量数据进行归一化，层次内两两度量指标间比较，构造判断矩阵，计算满足一致性校验的权重，根据各质量度量元的测量值与对应的权重逐层计算得到待测软件产品的总体质量评价值。本专利提出的软件质量度量方法从度量元及多层级质量特性的权重阈值设定角度，基于层次分析法较好地解决多要素相互关联、相互制约的复杂工业软件质量度量问题，具有评价结果直观明了、可操作性强等特点。

Description

一种基于层次分析法的工业软件质量度量方法
技术领域
本发明属于软件评价领域，具体涉及一种基于层次分析法的工业软件质量度量方法。
背景技术
软件质量度量的有效性可以极大程度上提高软件开发效率及质量水平。面向结构的度量方法是建立在结构化程序设计和模块化思想基础上的，分析的对象包括程序的控制流图，实现中的操作复杂性、方法间的传递耦合和流程耦合等。其中McCabe提出的循环计数复杂度度量具有一定的影响力并被广泛采纳使用。
由于不同领域的工业软件在需求、功能等方面有较大差异，其质量度量方法则亟需一套完备的模型体系。目前针对不同领域的质量度量技术虽然在不同模型结构间都选取了度量元进行软件质量度量计算，但是忽略了质量度量元、质量子特性、质量特性各层因素间的相对权重关系，对于多目标、多准则、多要素、多层次的非结构化决策问题，特别是战略决策问题，存在要素间相互关联且制约的复杂系统评价，常规度量方法实用性不强，难以实现工程化。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是如何提供一种基于层次分析法的工业软件质量度量方法，以解决多要素相互关联、相互制约的复杂工业软件质量度量问题。
(二)技术方案
为了解决上述技术问题，本发明提出一种基于层次分析法的工业软件质量度量方法，该方法包括如下步骤：
步骤一：基于应用需求分析构建层次结构
基于层次分析法对质量度量模型进行构建，并将所有度量指标划分为4层结构，即软件总体质量、质量特性、质量子特性和质量度量元；
步骤二：度量数据归一化
依据质量度量模型的层次结构，对待测软件配置质量度量模型后，通过对度量指标的度量值进行归一化处理，将度量值的度量范围限制到0到1的范围内，其中规定0表示度量结果最差，1表示度量结果最好；
步骤三：层次内两两度量指标间比较，构造判断矩阵
由评价者对每一层次中各度量指标均进行两两比较，比较各度量指标相互间的重要性，并给出重要性标度值，获得由重要性标度值组成的判断矩阵A；判断矩阵A为n阶方阵，n为所选层次内进行度量的度量指标个数，求解判断矩阵，得到特征值λ1，λ2，…，λn；
步骤四:权重计算与一致性检验
对每个判断矩阵计算最大特征值λmax，并进行一致性检验，在满足一致性校验的基础上，获得最大特征值λmax对应的判断矩阵的特征向量W，并且对特征向量进行归一化。归一化的特征向量就是权重向量ω；
步骤五：层次排序，获得软件质量度量结果
对度量指标进行层次排序，根据各质量度量元的测量值与各级权重逐层计算得到待测软件产品的总体质量评价值，此总体质量评价值的范围在0-1之间。
进一步地，所述步骤一中，软件总体质量包括一个或多个质量特性，每个质量特性包括一个或多个质量子特性，每个质量子特性包括一个或多个质量度量元。
进一步地，所述步骤二中，度量值归一化处理的方法包括：规定度量指标的上下限，每个度量指标的度量值与该度量指标的上限值的商即为归一化后的度量值；修改测量内容和测量方法的公式，以便于归一化处理，对于新增度量指标，直接提供可归一化的测量内容和测量方法；对于无法给出上下限的度量指标，按照是否满足软件需求规格而定，如果满足则度量元为1，否则为0；以及对度量指标进行主观打分，0表示最差，1表示最好。
进一步地，所述步骤三包括：对软件总体质量下的质量特性重要性进行两两比较，对所选取的每个质量特性下的质量子特性重要性进行两两比较，对所选取的每个质量子特性下的质量度量元重要性进行两两比较，均各自形成判断矩阵A。
进一步地，所述步骤三包括：判断矩阵A为
Figure BDA0003613391930000031
其中，a11、a12……ann代表在同一层次的度量指标中，两两重要性比较的取值，分别表示度量指标1对度量指标1、度量指标1对度量指标2、……、度量指标n对度量指标n的重要性，a11、a22、ann的值为1，分别代表度量指标1、度量指标2、……、度量指标n对本身的重要性。
进一步地，所述步骤四中的一致性检验包括：对每个判断矩阵计算最大特征值λmax，利用CR＝CI/RI进行一致性检验，当CR<0.10，则判断矩阵满足一致性，否则，修改判断矩阵内度量指标参数，并再次进行判断，直至满足一致性检验，一致性校验计算如下，
Figure BDA0003613391930000032
Figure BDA0003613391930000033
其中CI为一致性指标，n为矩阵阶数，RI为平均随机一致性指标，通过查表获得。
进一步地，所述步骤四中权重向量ω的获得方式为：在获得满足一致性要求的判断矩阵的基础上，计算获得最大特征值λmax对应的判断矩阵的特征向量W，并且对特征向量进行归一化。归一化的特征向量就是权重向量ω：
Figure BDA0003613391930000034
其中，wi代表特征向量中的特征值。
进一步地，所述步骤五中，对度量指标进行层次排序包括层次单排序和层次总排序，层次单排序是指，对于上一层某度量指标而言，本层次各度量指标的重要性的排序；层次总排序，指确定某层所有度量指标对于总目标相对重要性的权值排序过程，称为层次总排序，这一过程是从最高层到最底层依次进行的。
进一步地，所述待测软件产品的总体质量评价值的获得方式为：根据度量元层内各度量元测量值与对应权重相乘，分别得到质量子特性层内的各度量指标的评价值；根据质量子特性层内各度量指标评价值与对应权重相乘，分别得到质量特性层内的各度量指标的评价值；根据质量特性层内各度量指标的评价值与对应权重相乘，得到软件总体质量评价值。
进一步地，待测软件产品的总体质量评价值在0.9≤X<1为优秀，0.8≤X<0.9为良好，0.6≤X<0.8为合格，0≤X<0.6为不合格。
(三)有益效果
本发明提出一种基于层次分析法的工业软件质量度量方法，本发明将质量特性的定性评价最终转化为定量化的分析，本发明将要分析的要素进行层次化、步骤化，构建形成多层次分析评价模型，然后确定各层级指标的重要程度(权重)，或优先次序，最后根据评价指标的测量值和权重获得软件的总体评价。本专利提出的软件质量度量方法从度量元及多层级质量特性的权重阈值设定角度，基于层次分析法较好地解决多要素相互关联、相互制约的复杂工业软件质量度量问题，具有评价结果直观明了、可操作性强等特点。
附图说明
图1为本发明基于层次分析法的工业软件质量度量流程图；
图2为质量度量模型的层次结构图。
具体实施方式
为使本发明的目的、内容和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
本专利的目的是提出一种基于层次分析法的工业软件质量度量建模方法，通过普通用户和管理员在最底层对质量度量元操作，利用层次分析法将度量元特性进一步延伸到质量子特性及质量特性中，将定性评价转化为定量化分析。度量元及对应的质量子特性及质量特性之间相关关联、相互制约，基于先分解后综合的思想对要素层次化和步骤化，最终构成多层级质量分析评价模型。本专利提出的软件质量度量方法从度量元及多层级质量特性的权重阈值设定角度，基于层次分析法较好地解决多要素相互关联、相互制约的复杂工业软件质量度量问题。
本专利提出的基于层次化分析法的工业软件质量度量方法，对于工业软件质量度量问题，针对CAD、CAE、MBSE、EDA、CAPP、SCADA、MES、DCS中的多类工业软件的特点，将质量特性的定性评价最终转化为定量化的分析。多个质量特性、质量特性下的多个质量子特性、质量特性下的多个质量度量元之间相互关联、相互制约，对此类复杂系统的评价，层次分析法更具有实用性以及可行性。层次分析法基于先分解后综合的思路，先将要分析的要素进行层次化、步骤化，构建形成多层次分析评价模型，最终确定各层级指标的重要程度(权重)，或优先次序。
步骤一：基于应用需求分析构建层次结构
基于层次分析法对质量度量模型进行构建，并将所有度量指标划分为4层结构，即软件总体质量、质量特性、质量子特性和质量度量元，如图所示2，软件总体质量包括一个或多个质量特性，每个质量特性包括一个或多个质量子特性，每个质量子特性包括一个或多个质量度量元。
4层结构的最低层质量度量元的选取为整个层次结构的基础，因此充分调研AD、CAE、MBSE、EDA、CAPP、SCADA、MES、DCS中的多类工业软件的特点，选取针对性、实用性强的质量度量元，使层次结构更适用于工业软件特点。
步骤二：度量数据归一化
依据质量度量模型的层次结构(如图2)，对待测软件配置质量度量模型后，通过对度量指标的度量值进行归一化处理，将度量值的度量范围限制到0到1的范围内，其中规定0表示度量结果最差，1表示度量结果最好。通常度量值的归一化方法如下：
(1)规定度量指标的上下限，有些度量指标，能够根据软件特点、用户需求给出一个上限值，每个度量指标的度量值与该度量指标的上限值的商即为归一化后的度量值；有些评价方式相同的度量指标直接采用求和归一化方法进行归一化；
(2)修改测量内容和测量方法的公式，使之便于归一化处理。对于新增度量指标，直接提供可归一化的测量内容和测量方法；
(3)有的度量指标，并不能给出一个合适的上限但可以获得软件需求的相关要求，对于这类度量指标取值按照是否满足软件需求规格而定，如果满足则度量元为1，否则为0。
(4)部分度量指标需要进行主观打分，0表示最差，1表示最好。
步骤三：层次内两两度量指标间比较，构造判断矩阵
在确定各层次各度量指标之间的权重时，需要构造判断矩阵，判断矩阵的构造离不开层次结构的划分，评价者对每一层次中各度量指标均要进行两两比较，对软件总体质量下的度量指标(选取的质量特性)重要性进行两两比较，对所选取的每个质量特性下的度量指标(选取的质量子特性)重要性进行两两比较，对所选取的每个质量子特性下的度量指标(选取的质量度量元)重要性进行两两比较，均各自形成判断矩阵A。
对各度量指标的权重输入由评价者输入，对照表1标度值打分。
表1判断矩阵中各因素打分标度
标度取值 含义
1 两个因素相比，具有相同重要程度
3 两个因素相比，前者比后者稍微重要
5 两个因素相比，前者比后者明显重要
7 两个因素相比，前者比后者强烈重要
9 两个因素相比，前者比后者极端重要
2,4,6,8 2,4,6,8分别表示相邻两个奇数标度的中值
倒数 二者交换位置后的比较值
判断矩阵A为n阶方阵，n为所选层次内进行度量的度量指标个数，求解判断矩阵，得到特征值λ1，λ2，…，λn。
Figure BDA0003613391930000061
其中，a11、a12……ann代表在同一层次的度量指标中，两两重要性比较的取值，分别表示度量指标1对度量指标1、度量指标1对度量指标2、……、度量指标n对度量指标n的重要性，a11、a22、ann的值为1，分别代表度量指标1、度量指标2、……、度量指标n等对本身的重要性。
步骤四:权重计算与一致性检验
对每个判断矩阵计算最大特征值λmax，利用CR＝CI/RI进行一致性检验，当CR<0.10，则判断矩阵满足一致性，否则，修改判断矩阵内度量指标参数，并再次进行判断，直至满足一致性检验，一致性校验计算如下，
Figure BDA0003613391930000062
Figure BDA0003613391930000071
其中CI为一致性指标，n为矩阵阶数，RI为平均随机一致性指标，通过查表获得，RI值指标如表2所示。
表2一致性检验RI值
阶数n 1 2 3 4 5 6 7 8 9 10 11 12
RI值 0 0 0.52 0.89 1.12 1.26 1.36 1.41 1.46 0.49 0.52 1.54
在获得满足一致性要求的判断矩阵的基础上，计算获得最大特征值λmax对应的判断矩阵的特征向量W，并且对特征向量进行归一化。归一化的特征向量就是权重向量ω。
Figure BDA0003613391930000072
其中，wi代表特征向量中的特征值。
步骤五：层次排序，获得软件质量度量结果
层次排序，可分为层次单排序和层次总排序。所谓层次单排序是指，对于上一层某度量指标而言，本层次各度量指标的重要性的排序。层次总排序，确定某层所有度量指标对于总目标相对重要性的权值排序过程，称为层次总排序。这一过程是从最高层到最底层依次进行的。对于最高层而言，其层次单排序的结果也就是总排序的结果。
根据各质量度量元的测量值与各级权重逐层计算得到待测软件产品的总体质量评价值，此评价值的范围应为0-1之间。
对于软件总体质量评价值的计算，是从最底层到最高层进行的，如图2所示，根据度量元层内各度量元测量值与对应权重相乘，分别得到质量子特性层内的各度量指标的完备性、正确性等评价值；根据质量子特性层内各度量指标评价值与对应权重相乘，分别得到质量特性层内的各度量指标的功能性、性能效率等评价值；根据质量特性层内各度量指标的评价值与对应权重相乘，得到软件总体质量评价值。
为了便于直接依据评价值表达软件产品质量的好坏，本专利推荐以优、良、合格、不合格四个评价指标作为软件产品的最终评价结果，评价指标与评价值之间的对应推荐关系如表3所示。
表3评价等级与评价值区间对应关系推荐表
Figure BDA0003613391930000073
Figure BDA0003613391930000081
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种基于层次分析法的工业软件质量度量方法，其特征在于，该方法包括如下步骤：
步骤一：基于应用需求分析构建层次结构
基于层次分析法对质量度量模型进行构建，并将所有度量指标划分为4层结构，即软件总体质量、质量特性、质量子特性和质量度量元；
步骤二：度量数据归一化
依据质量度量模型的层次结构，对待测软件配置质量度量模型后，通过对度量指标的度量值进行归一化处理，将度量值的度量范围限制到0到1的范围内，其中规定0表示度量结果最差，1表示度量结果最好；
步骤三：层次内两两度量指标间比较，构造判断矩阵
由评价者对每一层次中各度量指标均进行两两比较，比较各度量指标相互间的重要性，并给出重要性标度值，获得由重要性标度值组成的判断矩阵A；判断矩阵A为n阶方阵，n为所选层次内进行度量的度量指标个数，求解判断矩阵，得到特征值λ1，λ2，…，λn；
步骤四:权重计算与一致性检验
对每个判断矩阵计算最大特征值λmax，并进行一致性检验，在满足一致性校验的基础上，获得最大特征值λmax对应的判断矩阵的特征向量W，并且对特征向量进行归一化；归一化的特征向量就是权重向量ω；
步骤五：层次排序，获得软件质量度量结果
对度量指标进行层次排序，根据各质量度量元的测量值与各级权重逐层计算得到待测软件产品的总体质量评价值，此总体质量评价值的范围在0-1之间。
2.如权利要求1所述的基于层次分析法的工业软件质量度量方法，其特征在于，所述步骤一中，软件总体质量包括一个或多个质量特性，每个质量特性包括一个或多个质量子特性，每个质量子特性包括一个或多个质量度量元。
3.如权利要求1所述的基于层次分析法的工业软件质量度量方法，其特征在于，所述步骤二中，度量值归一化处理的方法包括：规定度量指标的上下限，每个度量指标的度量值与该度量指标的上限值的商即为归一化后的度量值；修改测量内容和测量方法的公式，以便于归一化处理，对于新增度量指标，直接提供可归一化的测量内容和测量方法；对于无法给出上下限的度量指标，按照是否满足软件需求规格而定，如果满足则度量元为1，否则为0；以及对度量指标进行主观打分，0表示最差，1表示最好。
4.如权利要求1-3任一项所述的基于层次分析法的工业软件质量度量方法，其特征在于，所述步骤三包括：对软件总体质量下的质量特性重要性进行两两比较，对所选取的每个质量特性下的质量子特性重要性进行两两比较，对所选取的每个质量子特性下的质量度量元重要性进行两两比较，均各自形成判断矩阵A。
5.如权利要求4所述的基于层次分析法的工业软件质量度量方法，其特征在于，所述步骤三包括：判断矩阵A为
Figure FDA0003613391920000021
其中，a11、a12……ann代表在同一层次的度量指标中，两两重要性比较的取值，分别表示度量指标1对度量指标1、度量指标1对度量指标2、……、度量指标n对度量指标n的重要性，a11、a22、ann的值为1，分别代表度量指标1、度量指标2、……、度量指标n对本身的重要性。
6.如权利要求5所述的基于层次分析法的工业软件质量度量方法，其特征在于，所述步骤四中的一致性检验包括：对每个判断矩阵计算最大特征值λmax，利用CR＝CI/RI进行一致性检验，当CR<0.10，则判断矩阵满足一致性，否则，修改判断矩阵内度量指标参数，并再次进行判断，直至满足一致性检验，一致性校验计算如下，
Figure FDA0003613391920000022
Figure FDA0003613391920000023
其中CI为一致性指标，n为矩阵阶数，RI为平均随机一致性指标，通过查表获得。
7.如权利要求6所述的基于层次分析法的工业软件质量度量方法，其特征在于，所述步骤四中权重向量ω的获得方式为：在获得满足一致性要求的判断矩阵的基础上，计算获得最大特征值λmax对应的判断矩阵的特征向量W，并且对特征向量进行归一化；归一化的特征向量就是权重向量ω：
Figure FDA0003613391920000031
其中，wi代表特征向量中的特征值。
8.如权利要求7所述的基于层次分析法的工业软件质量度量方法，其特征在于，所述步骤五中，对度量指标进行层次排序包括层次单排序和层次总排序，层次单排序是指，对于上一层某度量指标而言，本层次各度量指标的重要性的排序；层次总排序，指确定某层所有度量指标对于总目标相对重要性的权值排序过程，称为层次总排序，这一过程是从最高层到最底层依次进行的。
9.如权利要求7所述的基于层次分析法的工业软件质量度量方法，其特征在于，所述待测软件产品的总体质量评价值的获得方式为：根据度量元层内各度量元测量值与对应权重相乘，分别得到质量子特性层内的各度量指标的评价值；根据质量子特性层内各度量指标评价值与对应权重相乘，分别得到质量特性层内的各度量指标的评价值；根据质量特性层内各度量指标的评价值与对应权重相乘，得到软件总体质量评价值。
10.如权利要求1所述的基于层次分析法的工业软件质量度量方法，其特征在于，待测软件产品的总体质量评价值在0.9≤X<1为优秀，0.8≤X<0.9为良好，0.6≤X<0.8为合格，0≤X<0.6为不合格。
CN202210439837.0A 2022-04-25 2022-04-25 一种基于层次分析法的工业软件质量度量方法 Pending CN114995864A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210439837.0A CN114995864A (zh) 2022-04-25 2022-04-25 一种基于层次分析法的工业软件质量度量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210439837.0A CN114995864A (zh) 2022-04-25 2022-04-25 一种基于层次分析法的工业软件质量度量方法

Publications (1)

Publication Number Publication Date
CN114995864A true CN114995864A (zh) 2022-09-02

Family

ID=83025802

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210439837.0A Pending CN114995864A (zh) 2022-04-25 2022-04-25 一种基于层次分析法的工业软件质量度量方法

Country Status (1)

Country Link
CN (1) CN114995864A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115618771A (zh) * 2022-12-16 2023-01-17 中国空气动力研究与发展中心计算空气动力研究所 一种cfd软件的可信度量化评价方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110221976A (zh) * 2019-05-28 2019-09-10 广西电网有限责任公司电力科学研究院 一种基于度量技术的计量终端软件质量量化评价方法
WO2021129509A1 (zh) * 2019-12-25 2021-07-01 国网能源研究院有限公司 一种大中型企业技术标准体系化实施效益评价方法
CN114358575A (zh) * 2021-12-30 2022-04-15 沈阳建筑大学 一种基于层次分析法的地板评价指标权重分析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110221976A (zh) * 2019-05-28 2019-09-10 广西电网有限责任公司电力科学研究院 一种基于度量技术的计量终端软件质量量化评价方法
WO2021129509A1 (zh) * 2019-12-25 2021-07-01 国网能源研究院有限公司 一种大中型企业技术标准体系化实施效益评价方法
CN114358575A (zh) * 2021-12-30 2022-04-15 沈阳建筑大学 一种基于层次分析法的地板评价指标权重分析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘志勇，周曼，裘坤: "基于AHP的安全软件质量综合评价模型", 《中国仪器仪表》, 28 February 2015 (2015-02-28), pages 65 - 68 *
第138-141页: "基于层次分析法的软件质量量化研究", 《计算机应用与软件》, 30 November 2013 (2013-11-30), pages 138 - 141 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115618771A (zh) * 2022-12-16 2023-01-17 中国空气动力研究与发展中心计算空气动力研究所 一种cfd软件的可信度量化评价方法

Similar Documents

Publication Publication Date Title
Dey et al. Metamodel based high-fidelity stochastic analysis of composite laminates: A concise review with critical comparative assessment
Saunders et al. Ridge regression learning algorithm in dual variables
Ding et al. Dimension folding PCA and PFC for matrix-valued predictors
CN109325875B (zh) 基于在线社交用户隐特征的隐式群体发现方法
CN111966574B (zh) 一种航电通用计算平台的架构方案评估方法
CN106022480A (zh) 基于d-s证据理论的机器人功能模块粒度划分评价方法
CN114995864A (zh) 一种基于层次分析法的工业软件质量度量方法
Liu et al. Preference relation-based Markov random fields for recommender systems
CN108764276A (zh) 一种鲁棒自动加权多特征聚类方法
Fox et al. A fast new algorithm for weak graph regularity
Verma et al. Multiple attribute group decision-making based on generalized aggregation operators under linguistic interval-valued Pythagorean fuzzy environment
Hu et al. A group adaptive elastic-net approach for variable selection in high-dimensional linear regression
Fu et al. DEA cross‐efficiency aggregation based on preference structure and acceptability analysis
Gu et al. Modified non-dominated sorting genetic algorithm III with fine final level selection
Jiang et al. Multiple criteria decision making with interval stochastic variables: A method based on interval stochastic dominance
António et al. Optimal design of composite shells based on minimum weight and maximum feasibility robustness
Xiao et al. A proximal alternating direction method for l2, 1-norm least squares problem in multi-task feature learning
CN112907058A (zh) 一种基于直觉模糊网络层次分析的决策评估方法
Duchin et al. Measuring segregation via analysis on graphs
CN114722211A (zh) 网络优化知识图谱的质量评估方法、装置及电子设备
Hirokawa et al. Mini-max type formulation of strict robust design optimization under correlative variation
Strijov et al. Index construction: the expert-statistical method
Lu Supplementary materials
Arnold et al. A New Bivariate Birnbaum-Saunders Type Distribution Based on the Skew Generalized Normal Model
CN114610274A (zh) 一种改进的基于层次分析法的需求优先级评估方法

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