软件静态分析工具综述

为了在软件生命周期的编码阶段尽可能多地发现软件缺陷以降低软件成本和开发时间,需要对被测程序源代码实施软件静态分析,软件静态分析最有效的手段是使用软件静态分析工具。针对C程序常见的软件缺陷,通过对几种主流静态分析工具的功能性对比分析,探讨了软件静态分析工具的优缺点及影响软件静态分析工具选择的诸多因素,为软件测试人员选择适合自己的软件静态分析工具提供参考。     

基于度量元的静态软件缺陷预测技术

软件缺陷预测技术是当前软件工程领域的一个热点研究问题。回顾和综述了基于度量元的静态软件缺陷预测技术研究的起源与国内外最新进展动态,并对常用缺陷预测技术的评价指标进行对比和分析,指出其优缺点和适用范围。最后对静态软件缺陷预测技术的可能发展方向进行预测。     

基于组织协同进化的软件缺陷预测方法

针对传统有标识软件度量元数据存在软件缺陷预测精度低的问题,首先对比选择合适的离散化方法,然后将组织协同进化分类算法引入并应用到航天软件缺陷预测领域,给出了一种基于组织协同进化的软件缺陷预测方法。该方法根据预测目标将离散后的软件度量元数据划分为不同种群,在各种群内部形成进化个体(组织)。组织在增减算子、交换算子、合并算子和组织选择机制的作用下不断进化,并基于属性重要度协同进化的方式进行适应度函数的计算,实现了有标识软件度量元数据缺陷预测精度的提高。最后通过两组仿真实验,验证了基于组织协同进化航天软件缺陷预测方法的有效性。     

论软件缺陷

软件的缺陷是软件质量的重要因素之一,低缺陷密度的软件是高质量软件的必要条件。软件的缺陷是不可避免的,统计表明,经过PSP训练的软件工程师平均引入的缺陷密度为50个缺陷/kLOC。通过对软件缺陷概念及分类、产生缺陷的原因及如何避免产生缺陷、缺陷排除的分析和软件缺陷与软件故障率之间的关系的研究,探讨了如何研制低缺陷密度的软件。     

电子对抗装备软件的静态分析方法

软件的静态分析在很大程度上是对编写软件的语法和文本进行检查,使其符合工程项目的需要.使用C Test可以帮助编程人员和测试人员完成对程序的自动静态测试.测试人员还可以自定义检查规则来完成对代码的特定需求检查.     

软件缺陷预测中基于Wrapper的特征选择方法

特征选择是提高软件缺陷预测精度的关键步骤之一。传统的软件缺陷预测过程主要基于Filter方式进行特征选择,基于Wrapper特征选择方法的研究还处于起步阶段。为了进一步研究Wrapper式特征选择方法在软件缺陷预测中的应用情况,将特征选择和缺陷预测过程相融合,结合不同的评价指标,设计了8种基于Wrapper式特征选择的缺陷预测方法。在这些方法中,首先选择4种常用的缺陷预测算法分别作为内部与外部分类器,然后在AUC和F-measure指标下选择特征子集,在AUC指标下评估预测结果。仿真结果表明,内部分类器和外部分类器均选择为RF时,软件缺陷预测精度最佳,NB次之,但是RF耗费时间较多,综合考虑精度与效率,推荐内外分类器均采用NB算法。     

预测软件中残留的缺陷

当越来越多的商用COTS软件应用到舰船的操作系统和应用软件中时,软件变得越来越重要。程序管理员需要为作战系统、有条件的监视、推进控制、部件需求和舰船管理等定义、采购和管理软件的开发和集成。本文的目的是描述软件可靠性工程的技术发展水平和商用、军用软件缺陷预测技术的发展水平。文中的信息是基于商用软件业和舰船软件开发过程提供的数据。本文比较了四种软件失效模型的优点和缺点。其中对数泊松执行时间(LogarithmicPoissonExecutionTime,简称LPET)模型与数据匹配得最好,并满足可靠性理论的基本原则。本文给出了软件失效的定义和软件缺陷的追踪过程,并采用分布图预测软件发布后仍然存在的缺陷。作为展望,本文提供了预测商用软件中缺陷的经验法则以及修复这些缺陷所需的相对花费。     

不平衡数据的软件缺陷预测方法

数据的不平衡问题是数据分类领域中的一个热点问题。当分类算法处理这些数据时,算法将偏向多数类而忽视少数类。在软件缺陷预测领域,它并没有引起足够的重视,在4组NASA不平衡数据上比较和分析了14种分类算法的性能,为了克服数据的不平衡性,采用SMOTE技术对软件缺陷数据进行平衡化,最后在AUC和F-measure评价指标下对算法进行评估。实验结果表明随机森林算法在4组数据上表现最佳,这为软件缺陷预测提供了很好的参考。     

基于TOPSIS方法的海军特种作战渗入点优选

文章分析了海军特种作战渗入点选择的影响因素,利用多目标决策理论建立决策模型,依据TOPSIS方法对决策模型进行解算,利用仿真工具进行计算软件的开发。     

前言

全世界大约有700万个软件工程师,每年大约开发100万个软件项目,并以每年10％以上的速度在递增,在所有这些项目中只有9％的项目是成功的,也就是说,只有大约9万个软件项目能在规定的进度、质量和经费下完成任务。软件不成功的原因很多,在安全第一的软件中,软件的质量问题是导致项目失败的重要原因之一,而高的软件缺陷密度是软件质量