欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022107380966
申请人: 南昌航空大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种嵌入式软件质量评估方法,其特征在于,所述方法包括:将样本数据集中的各个软件样本按照特征种类进行特征提取,得到多个特征种类的软件特征;

遍历每一个特征种类的软件特征,并将遍历的当前特征种类的软件特征作为干预变量,将其他的特征种类的软件特征作为混淆变量;

将所述干预变量的值进行二值化处理,并根据二值化结果将各个所述软件样本分划分为干预组和控制组;

计算各个所述软件样本的倾向性评分值,并采用逆概率加权法对各个所述软件样本的倾向性评分值进行加权计算,以使各个所述软件样本具有相似的倾向性评分值;

根据加权计算后的倾向性评分值对所述干预组和所述控制组进行因果效应计算,以得到所述当前特征种类对应的因果效应值;

将计算得到的各个特征种类对应的因果效应值分配到神经网络模型中,以作为目标节点连接的初始权重,并利用所述样本数据集中的各个所述软件样本对所述神经网络模型进行训练,所述目标节点连接为所述神经网络模型的输入层和第一隐藏层之间的连接;

利用训练好的神经网络模型对待测试的软件进行软件质量评估;

所述计算各个所述软件样本的倾向性评分值的步骤包括:以所述干预变量为因变量,所述混淆变量为自变量建立一个Logit模型,利用Logit模型将干预变量和混淆变量进行线性拟合;

根据拟合结果计算各个软件样本出现在干预组的概率,得到各个所述软件样本的倾向性评分值;

其中,Logit模型进行线性拟合的公式为:

,其中, xq为第q个混淆变量,

为模型结果,p(T=1|X)表示的是软件样本的混淆变量为X的前提下T=1的概率,β0至βq为模型权值,T为干预变量的值,X为混淆变量的值;

所述采用逆概率加权法对各个所述软件样本的倾向性评分值进行加权计算的步骤中,权重公式为:,其中,r为权重,T为干预变量的值,e(X)为软件样本的倾向性评分值;

所述当前特征种类对应的因果效应值的计算公式为:,其中,n为干预组中的软件样本的数

量,m为控制组中的软件样本的数量,i为软件样本的序号,Ti为第i个软件样本的干预变量的值,Yi为第i个软件样本的质量评分值,e(Xi)为第i个软件样本的倾向性评分值,为因果效应值。

2.如权利要求1所述的嵌入式软件质量评估方法,其特征在于,所述将所述干预变量的值进行二值化处理,并根据二值化结果将各个所述软件样本分划分为干预组和控制组的步骤包括:以所述干预变量的值的均值作为阈值,将值大于或等于所述阈值的所述干预变量重新赋值为1,将值小于所述阈值的所述干预变量重新赋值为0;

将各个所述软件样本根据重新赋值后的干预变量的值划分为干预组和控制组,其中,将干预变量的值为1的所述软件样本划入干预组,将干预变量的值为0的所述软件样本划入控制组。

3.如权利要求1所述的嵌入式软件质量评估方法,其特征在于,倾向性评分值的计算公式为:,其中,e(X)为软件样本的倾向性

评分值,e为自然常数2.718。

4.一种嵌入式软件质量评估系统,其特征在于,包括:特征提取模块,用于将样本数据集中的各个软件样本按照特征种类进行特征提取,得到多个特征种类的软件特征;

确定模块,用于遍历每一个特征种类的软件特征,并将遍历的当前特征种类的软件特征作为干预变量,将其他的特征种类的软件特征作为混淆变量;

数据划分模块,用于将所述干预变量的值进行二值化处理,并根据二值化结果将各个所述软件样本分划分为干预组和控制组;

第一计算模块,用于计算各个所述软件样本的倾向性评分值,并采用逆概率加权法对各个所述软件样本的倾向性评分值进行加权计算,以使各个所述软件样本具有相似的倾向性评分值;

第二计算模块,用于根据加权计算后的倾向性评分值对所述干预组和所述控制组进行因果效应计算,以得到所述当前特征种类对应的因果效应值;

模型训练模块,用于将计算得到的各个特征种类对应的因果效应值分配到神经网络模型中,以作为目标节点连接的初始权重,并利用所述样本数据集中的各个所述软件样本对所述神经网络模型进行训练,所述目标节点连接为所述神经网络模型的输入层和第一隐藏层之间的连接;

评估模块,利用训练好的神经网络模型对待测试的软件进行软件质量评估;

所述第一计算模块用于:

以所述干预变量为因变量,所述混淆变量为自变量建立一个Logit模型,利用Logit模型将干预变量和混淆变量进行线性拟合;

根据拟合结果计算各个软件样本出现在干预组的概率,得到各个所述软件样本的倾向性评分值;

其中,Logit模型进行线性拟合的公式为:

,其中, xq为第q个混淆变量,

为模型结果,p(T=1|X)表示的是软件样本的混淆变量为X的前提下T=1的概率,β0至βq为模型权值,T为干预变量的值,X为混淆变量的值;

所述采用逆概率加权法对各个所述软件样本的倾向性评分值进行加权计算的步骤中,权重公式为:,其中,r为权重,T为干预变量的值,e(X)为软件样本的倾向性评分值;

所述当前特征种类对应的因果效应值的计算公式为:,其中,n为干预组中的软件样本的数

量,m为控制组中的软件样本的数量,i为软件样本的序号,Ti为第i个软件样本的干预变量的值,Yi为第i个软件样本的质量评分值,e(Xi)为第i个软件样本的倾向性评分值,为因果效应值。

5.一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至3中任意一项所述的嵌入式软件质量评估方法。

6.一种可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至3中任意一项所述的嵌入式软件质量评估方法。