[发明专利]基于等级分配的非均匀软件可信指标融合方法

说明书

本发明公开了一种基于等级分配的非均匀软件可信指标融合方法，能实现软件可信指标之间的有效融合计算，进而完成基于指标的软件可信性量化评估，具体包括以下步骤：1)针对分布非均匀的各类软件可信指标，根据其密集分布区间和其它区间内数据所占的比率以及区间长度的比率等进行等级分配，为密集分布区间分配数目相对较多的等级；2)基于软件可信指标取值区间的等级分配，将非均匀的软件可信指标转换为[0,1]区间内的数，实现非均匀软件可信指标的归一化，用加权平均法实现它们的融合计算。

【技术领域】

本发明属于软件可信指标融合计算领域，特别涉及一种基于等级分配的非均匀软件可信指标融合方法，其目的在于减少非均匀分布的软件可信指标之间的差异性，实现不同类型，且分布非均匀的软件可信指标之间的融合计算。

【背景技术】

在软件可信性量化评估中，常常将多个软件可信指标量化后进行融合计算，例如加权平均，将得到的计算结果作为软件可信性的量化评估值。然而，软件可信性指标的取值往往具有类型多样性且分布非均匀的特性，不可能对其直接进行融合计算。例如对于抽取的软件可信性度量参数，以NASA数据集MDP(Metrics Data Program)中的“D``\PC5”子集为例，参数CONDITION_COUNT的取值范围是[0，1090]，而参数DESIGN_DENSITY的取值范围为[0.0，1.0]，参数PARAMETER_COUNT的取值是0至9十个自然数，它们分别对应三种不同类型的数据。同时，软件度量参数NUM_OPERANDS的取值范围为[0,5169]，其中80％的取值集中在[0，122]这个子区间内，而剩余20％取值分布在(122，5169]这个很大的区间内，特别是一些较大的值，取值更是稀疏。这些取值类型多样，分布不均匀的软件可信指标，很难进行融合计算。为了实现对取值类型多样且分布不均匀的软件可信指标的融合计算，需要对软件可信指标进行同构化处理，而数据归一化是数据同构化处理常用的一种重要方法。数据归一化方法可以将差异大的不同类型的数据转换为[0,1]区间内的实数，实现数据格式的统一，然而传统的数据归一化方法并不能提高归一化数据之间的一致性。例如，软件度量参数NUM_OPERANDS归一化后，其80％的取值集中在[0，0.024]这个很小的子区间内，剩余20％取值分布在(0.024，1]这个相对较大的区间内。而参数PARAMETER_COUNT的取值归一化后，相对均匀地分布在[0,1]区间内，小于0.1的数几乎没有，这样的两个软件可信性指标融合计算得到的值将无实际意义。

【发明内容】

本发明的目的在于提供一种基于等级分配的非均匀软件可信指标融合方法，在实现软件指标归一化的同时，提高软件可信指标之间的一致性，从而便于进行软件可信指标的融合计算，以解决现有技术存在的问题。

为达到上述目的，本发明通过以下技术方案予以实现：

基于等级分配的非均匀软件可信指标融合方法，包括如下步骤：

1)采集软件可信指标取值及其密集分布区间；针对分布非均匀的软件可信性指标，根据其取值的密集分布区间和其它区间内数据所占的比率以及区间长度的比率进行等级分配；

2)基于软件可信指标取值的分布区间的等级分配，利用分配的等级将非均匀软件可信指标转换为[0,1]区间内的实数，实现非均匀软件可信指标的归一化。

本发明进一步改进在于，步骤1)中针对分布非均匀的软件可信指标，根据其取值的密集分布区间和其它区间内数据所占的比率以及区间长度的比率进行等级分配，需要先完成以下操作：

首先，将软件可信指标取值范围表示为区间[u,v]，该区间被数据集中分布的密集区间[a,b]划分成三个子区间：

PSR₁:[u,a),PSR₂:[a,b],PSR₃:(b,v]

其中，[a,b]是数据密集分布区间，PSR_i(i＝1,2,3)表示软件可信指标取值范围被划分后的三个子区间；