面向缺陷的软件系统可靠性管理规范的研究

软件中不可避免的会有各种缺陷和错误。发挥管理科学和软件工程交叉研究的优势，形成面向缺陷的的软件可靠性管理规范是学术界和业界关注的热点和难点问题。本项目拟应用语义互联网、本体论和软件测试的理论和方法，采集软件系统可靠性相关的跨域异质异构数据，建立软件缺陷数据仓库；设计能对软件缺陷和错误进行自动定位、分类和形式化描述的数据挖掘模型和算法；研究基于多目标决策模型的表现评估体制和框架；开发高效且具扩展性的软件缺陷自动测试实验系统；建立软件缺陷多尺度量化指标体系和度量、评估知识编码库，最终形成面向缺陷的软件系统可靠性度量、评估及管理规范。基于申请人在标准化流程、数据挖掘和软件测试的研究成果，在实证数据的基础上，本项目拟建立软件系统可靠性管理规范和相对应的实验系统，通过对软件静态和动态测试数据的模拟分析，涵盖软件缺陷预测和错误定位的各方面，从而达到提升软件开发效率、降低开发成本、减低维护难度的目的。

随着软件规模的扩大、复杂性的提高以及开发环境的多样化，其开发过程中出现错误的机会越来越多。尽管软件的可靠性可以通过运用数据挖掘技术对软件工程数据进行挖掘来识别软件的缺陷和错误，但是怎样从数量巨大的数据挖掘技术中选择最好的算法、快速的识别软件系统中不一致的单元然后建立起规范的软件系统可靠性管理仍然是困难的。本项目以多目标决策方法和数据挖掘理论为基础，通过建立缺失值快速识别模型、分类算法评估模型、层次聚类模型以及多水平异质有界信任模型等, 并且以数据和实证为基础，进行了实验研究和理论分析，研究解决了以下几个问题：数据挖掘算法的评估；快速有效地识别异常元素以便快速任务调度和资源分配；使隐藏的信息可视化以便有效地从大量的文本数据中找到最相关信息等。该项目研究涵盖软件缺陷定位、分类和形式化描述等方面，在软件开发和运行过程中实现缺陷的自动发现和描述，减少了软件开发和维护人员在软件开发、测试和维护中的工作量，在研究和应用领域都有一定的应用和参考价值。共完成论文54篇，其中SCI 论文21篇。部分成果获教育部高等学校科学研究优秀成果奖-自然科学二等奖（第一完成人）和北京市科学技术奖-二等奖。