论文部分内容阅读
软件可靠性是软件质量的重要指标之一,随着软件工程及软件开发模式的发展,软件可靠性模型的发展也由传统的数据流图分析、失效数据分析逐步发展,其中基于非齐次泊松过程的软件可靠性增长模型成为了研究热点。为了能让可靠性技术真正起到指导软件生产、提供可信的软件质量保证的作用,越来越多的研究关注于软件开发早期的可靠性指标分配。因而基于组件式软件系统的可靠性指标分配及预测模型具有重要的研究意义,本文基于这类问题展开了研究。在组件式软件系统开发早期的可靠性应用上,本文通过将Musa执行时间模型应用到软件可靠性指标分配方法上,并通过与图像处理技术尤其是具体颜色的结合,研究气象学预警色彩的规律及人眼的视觉特点,给出一种由归一化的软件可靠性指标到具体预警色彩的映射方法,并结合一个金融数据系统的实例,使软件可靠性在软件开发过程中的应用更为直观、更易于接受。接着调研了目前国内外在非齐次泊松过程软件可靠性增长模型的发展和研究现状,并对几种经典的改进假设条件进行分析,总结其特点及不足之处,然后通过推导过程提出了改进方法。主要是通过将总故障数量、故障检测率以及故障排除率等视为随时间变化的函数,更贴合实际的运行情况。通过模型的改进和完善,使故障率曲线的拟合和预测效果得到了一定的提升。本文的主要研究工作和结果包括:(1)将Musa执行时间模型应用到组件式软件系统的可靠性指标分配技术上。通过Musa模型对可靠性指标进行估计,求出分配权重。并对Musa模型做了针对性的改动。(2)将可靠性指标映射到灰度级,再将灰度级映射到HSI模型中的色调值上,再通过固定饱和度和强度求得对应RGB模型的值。实现可靠性指标到具体色彩的映射。(3)将图像中的具体色彩引入到可靠性指标分配技术领域,并通过研究气象预警色彩学及人眼视觉特点,提出了由可靠性指标映射到色调值的连续函数曲线。(4)整合发展了现有的G-O模型改进思路,从改进G-O模型的假设条件入手,将故障总数、故障检测率、故障排除率视为随时间变化的函数,进一步完善G-O模型。