[0105]而且對(duì)，與，…A)EC|XQX…XC。,，有
[010引 G均知...A,)=巧(c;)n巧(c;)n...ni^"(c…）
[0107]佑巧中的參數(shù)由n個(gè)評(píng)價(jià)專家的評(píng)價(jià)指標(biāo)集Cl,C2,…，Cm合成得到的。如果佑E) 中共有L個(gè)合成后的參數(shù)，設(shè)E=柄，曰2,…，ej，則佑巧可W表示為：
[010引
[0109]其中表示待評(píng)價(jià)軟件St對(duì)于合成后的參數(shù)6j.(j=1，2,…，L)所描述狀態(tài)的 符合程度。Uw的取值考慮兩種情況：
[0110] (1)如果CifiCsn…nc"=0，即評(píng)價(jià)專家的個(gè)人評(píng)價(jià)指標(biāo)完全不同，該時(shí)1 = li? 12.....Im，且任意的ej都可W表示為氣.=巧，與，…，與），即參數(shù)ej是由Cl中的參數(shù) 與、C2中的參數(shù)每、…、Cm中的參數(shù)這合成得到的。那么Utj.的取值為：
[0111]
[0112]例如，如果一個(gè)專家對(duì)某軟件的可靠性評(píng)價(jià)為0. 7,而另一專家對(duì)此軟件的效率評(píng) 價(jià)為0. 9,那么經(jīng)過信息融合可W得出，此款軟件的評(píng)價(jià)結(jié)果為0. 7,也就是"可靠性高，又 效率高"的評(píng)價(jià)值為0. 7。
[011引似如果Cincsfi-nc,,,，即評(píng)價(jià)專家的個(gè)人評(píng)價(jià)指標(biāo)存在相同的情況，該時(shí)L < li ? la.....Im，而弓=(句，駕，…，奇）（《<? )，也就是參數(shù)ej分別由C^Cg,…，Cm中成 不同的參數(shù)合成得到的。設(shè)C.vQ:，…，C.,中存在共同的評(píng)價(jià)指標(biāo)Cp(CpGC)，則yy的取 值為：
[0116] 例如，專家exi對(duì)"可靠性"的定量評(píng)價(jià)值為0. 5,專家ex2對(duì)"可靠性"的定量評(píng)價(jià) 值為0. 7,專家ex3對(duì)"易用性"的定量評(píng)價(jià)值為0. 8,則合成后的評(píng)價(jià)結(jié)果為0. 6,即復(fù)合指 標(biāo)"可靠性、易用性"的評(píng)價(jià)值為0. 6。
[0117] Step3.計(jì)算對(duì)比表CT=(ctxy)qXq，其中
[0120] 顯然ctq是非負(fù)整數(shù)，通俗地講，ctU指的是；對(duì)于所有的評(píng)價(jià)參數(shù)，軟件S,的綜 合評(píng)價(jià)值高于軟件Sy的評(píng)價(jià)參數(shù)的個(gè)數(shù)。
[0121] St巧4.由CT計(jì)算每個(gè)待評(píng)價(jià)軟件的評(píng)價(jià)得分Score(St)。
[0122] Score(Sx) =fx-tx
[01巧]Score(St)就表征了St在S的優(yōu)劣程度，分?jǐn)?shù)越高，st越優(yōu)。
【主權(quán)項(xiàng)】
1. 一種基于云模型和模糊聚合的軟件質(zhì)量綜合評(píng)價(jià)方法，其特征在于：包括以下步 驟： (1) 、用戶提供待評(píng)價(jià)軟件集S = (S1, S2，…，sq}，評(píng)價(jià)指標(biāo)集C = Ic1, C2,…，cn}和評(píng)價(jià) 專家集合 Ex = {ex" ex2,…，exj ; (2) 、每個(gè)評(píng)價(jià)專家exk根據(jù)用戶的評(píng)價(jià)指標(biāo)集，給出個(gè)人評(píng)價(jià)指標(biāo)集 <,···,<；[，并根據(jù)個(gè)人評(píng)價(jià)指標(biāo)集對(duì)每個(gè)軟件St給出自然語(yǔ)言定性評(píng)價(jià)結(jié)果 ? -Oiu ； (3) 、基于云模型將專家的定性評(píng)價(jià)結(jié)果轉(zhuǎn)換成定量評(píng)價(jià)結(jié)果& =Mxm，其轉(zhuǎn)換過程 包括以下步驟： (3. 1)、根據(jù)軟件質(zhì)量評(píng)估要求，設(shè)定各評(píng)價(jià)指標(biāo)的評(píng)價(jià)度空間ED的上下限，以及選擇 評(píng)價(jià)度的離散性或連續(xù)性； (3. 2)、根據(jù)評(píng)價(jià)度空間設(shè)計(jì)各評(píng)價(jià)指標(biāo)的評(píng)價(jià)云數(shù)字特征值，一般可由各領(lǐng)域?qū)＜腋?據(jù)自身知識(shí)并結(jié)合實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證得出，也有理論上的取法，即評(píng)價(jià)云的熵值取云朵有效論 域區(qū)間的1/3左右； (3. 3)、輸入專家exk對(duì)評(píng)價(jià)指標(biāo)4的定性評(píng)價(jià)值& =(?),M，將利用評(píng)價(jià)值所對(duì)應(yīng)的評(píng) 價(jià)云數(shù)字特征值產(chǎn)生一個(gè)隨機(jī)正態(tài)分布定量值X，產(chǎn)生的方法為： X = NORM (Ex, En) 其中，Ex是云滴在論域空間分布的期望；E "是云的熵，代表定性概念不確定性的度量； (3. 4)、觸發(fā)帶X條件評(píng)價(jià)云ECa，并由ECdg據(jù)每個(gè)評(píng)價(jià)等級(jí)的評(píng)價(jià)云數(shù)字特征值依次 隨機(jī)產(chǎn)生確定度μ i:其中，ExA，EnAS評(píng)價(jià)云EC 4的期望值和熵； (3. 5)、選取確定度最大的μ作為條件觸發(fā)帶Y條件評(píng)價(jià)云ECb，并根據(jù)：計(jì)算在Exb, ΕηΒ條件下的值y i，其中Exb, En1^ EC Β的輸出云期望值和j：商； (3. 6)、返回步驟（3. 3)，循環(huán)N次得到N個(gè)云滴yi，通常云滴數(shù)較少時(shí)，誤差會(huì)較大，而 云滴數(shù)較多時(shí)，誤差會(huì)減少，但計(jì)算量大、實(shí)時(shí)性差，具體實(shí)施時(shí)需要權(quán)衡利弊，根據(jù)實(shí)驗(yàn)效 果綜合考慮； (3. 7)、根據(jù)N個(gè)云滴yi，分別計(jì)算樣本平均值：一階樣本絕對(duì)中心勝-歹I，樣本方差(3.8)、求逆向云的數(shù)字特征值，根據(jù)匕的估計(jì)值& = y和估計(jì)值計(jì) 算的估計(jì)值#其中，4即為專家exk對(duì)評(píng)價(jià)指標(biāo)?*的定性評(píng)價(jià)的定量轉(zhuǎn)換 值，令vf =廠;； (4)、對(duì)所有專家的定量評(píng)價(jià)矩陣Fi =(vf)_進(jìn)行數(shù)據(jù)融合，從而得到最終的評(píng)估結(jié)果。2.根據(jù)權(quán)利要求1所述的一種基于云模型和模糊聚合的軟件質(zhì)量綜合評(píng)價(jià)方法，其特 征在于：步驟（4)中數(shù)據(jù)融合過程包括以下步驟： (4. 1)、將待評(píng)價(jià)軟件關(guān)于每個(gè)評(píng)價(jià)指標(biāo)的評(píng)價(jià)信息R = W4表示成模糊軟集合 (Fk，Ck)的形式：(4. 2)、依次對(duì)模糊軟集合（F1, C1)、（F2, C2)（Fm，Cm)進(jìn)行"AND"運(yùn)算，運(yùn)算結(jié)果 用（G，E)表示，則： 而且對(duì) ν(?···乂)e&χ(：2χ···χ?"，有： Gp1，匕· · 乂）= A (c;) Π F2 (?)門…η (C: J (G，E)中的參數(shù)由η個(gè)評(píng)價(jià)專家的評(píng)價(jià)指標(biāo)集C1, C2，…，Cm合成得到的。如果（G，E)中 共有L個(gè)合成后的參數(shù)，設(shè)E= Ie1, e2，…，ej，則（G，E)可以表示為：其中ytj表示待評(píng)價(jià)軟件s t對(duì)于合成后的參數(shù)e j(j = 1，2，…，L)所描述狀態(tài)的符 合程度； (4. 3)、計(jì)算對(duì)比表CT= (Ctxy)qxq，其中^顯然Ctxy是非負(fù)整數(shù)，Ct xy指的是對(duì)于所有的評(píng)價(jià)參數(shù)，軟件S χ的綜合評(píng)價(jià)值高于軟 件Sy的評(píng)價(jià)參數(shù)的個(gè)數(shù)； (4. 4)、由CT計(jì)算每個(gè)待評(píng)價(jià)軟件的評(píng)價(jià)得分Score (St): Score (sx) = rx_tx，Score(St)就表征了 st在S的優(yōu)劣程度，分?jǐn)?shù)越高，s t越優(yōu)。3.根據(jù)權(quán)利要求2所述的一種基于云模型和模糊聚合的軟件質(zhì)量綜合評(píng)價(jià)方法，其特 征在于：步驟（4. 2)中，Uu的取值考慮兩種情況： (1) 、如果C1HC2H…門Cm=0,即評(píng)價(jià)專家的個(gè)人評(píng)價(jià)指標(biāo)完全不同，這時(shí)L = I1-I2.....Ini，且任意的e」都可以表示為^ = (<3/，與,···，〇,即參數(shù)ej是由C沖的參數(shù)存、 C2中的參數(shù)^、…、Cm中的參數(shù)g合成得到的，那么μ tj的取值為：(2) 、如果C1 HC2門…HCffl # 0 ,即評(píng)價(jià)專家的個(gè)人評(píng)價(jià)指標(biāo)存在相同的情況，這時(shí)L < I1 · I2.....Ini，而弓=(存…4) ( A W )，也就是參數(shù)4分別由c " C2，…，Cni中，?不 同的參數(shù)合成得到的；SCvCi2，…，Ciei中存在共同的評(píng)價(jià)指# Cp(Cpe 〇，則μ 的取值 為：
【專利摘要】本發(fā)明公開了一種基于云模型和模糊聚合的軟件質(zhì)量綜合評(píng)價(jià)方法，首先不同領(lǐng)域?qū)＜以u(píng)判專家給出質(zhì)量特性的自然語(yǔ)言評(píng)價(jià)，然后基于云模型對(duì)評(píng)價(jià)信息進(jìn)行定性到定量的轉(zhuǎn)換，最后利用模糊軟集合對(duì)所有專家的定量評(píng)價(jià)信息進(jìn)行聚合，得到綜合評(píng)判結(jié)果。本發(fā)明輕松實(shí)現(xiàn)自然語(yǔ)言定性評(píng)價(jià)到定量評(píng)價(jià)值的轉(zhuǎn)換，且充分考慮不同領(lǐng)域?qū)＜业闹R(shí)和經(jīng)驗(yàn)，同時(shí)兼顧各領(lǐng)域?qū)＜业牟煌?。本發(fā)明對(duì)軟件質(zhì)量評(píng)價(jià)科學(xué)、公正、客觀，準(zhǔn)確性高。本發(fā)明可以運(yùn)用于指導(dǎo)用戶購(gòu)買和使用軟件，也可以指導(dǎo)軟件開發(fā)者開發(fā)出高質(zhì)量的軟件產(chǎn)品。
【IPC分類】G06F11/36
【公開號(hào)】CN104881360
【申請(qǐng)?zhí)枴緾N201510320541
【發(fā)明人】岳峰, 蘇兆品, 張國(guó)富, 齊美彬, 蔣建國(guó), 陸陽(yáng)
【申請(qǐng)人】合肥工業(yè)大學(xué)
【公開日】2015年9月2日
【申請(qǐng)日】2015年6月10日