|
钻瓜专利网为您找到相关结果 435170个,建议您 升级VIP下载更多相关专利
- [发明专利]一种交付效率分析监控系统及方法-CN202310280048.1在审
-
蒋峰
-
上海中通吉网络技术有限公司
-
2023-03-21
-
2023-08-01
-
G06Q10/10
- 本发明公开一种交付效率分析监控系统及方法,属于计算机与自动化领域,系统包括需求管理监控模块、开发管理监控模块、交付管理监控模块和一键催办模块;需求管理监控模块监控软件开发团队的需求评估、需求设计和需求排期工作;开发管理监控模块监控软件开发团队的需求开发、需求测试和需求发布工作;交付管理监控模块监控软件开发团队的需求交付工作,并根据消息推送机制将信息同步至项目组成员;一键催办模块催办加快对接进展。本发明提供了开发团队交付过程效率的监控分析指标,利用这些监控分析指标构建了软件交付效率的完整体系,形成了一整套端到端的研发过程闭环管理系统,填补了监控分析指标的定义及使用空白。
- 一种交付效率分析监控系统方法
- [发明专利]一种面相引擎的应用软件开发方法-CN202111185140.7在审
-
吕志明;陈武;夏慧
-
湖南微睿信息科技有限责任公司
-
2021-10-12
-
2022-02-15
-
G06F8/10
- 本发明公开了一种面相引擎的应用软件开发方法,涉及软件开发技术领域,本发明包括以下步骤:S1:制定计划方案:确定开发软件系统的目标,制定软件开发方案;S2:软件需求分析:对开发软件提出的需求进行分析;S3:开发软件设计:进行软件开发设计;S4:程序代码编写:利用开发软件进行开发,按照需求进行编写程序;S5:开发软件测试:在设计测试用例的基础上检验软件的组成部分,S6:软件开发完成和维护:软件开发完成交付本发明为一种面相引擎的应用软件开发方法,提高了软件开发流程的系统管理和控制,强化了软件开发的阶段性,建立了稳定的软件开发过程和维护过程,提高了整个软件系统的可靠性和稳定性,提高软件开发的效率。
- 一种面相引擎应用软件开发方法
- [发明专利]软件质量风险预测方法及装置-CN202010832475.2有效
-
李宗白;何宏立;刘宏伟;郭旸;吴冰
-
中国银行股份有限公司
-
2020-08-18
-
2023-08-22
-
G06Q10/0635
- 本发明提供了一种软件质量风险预测方法及装置,方法包括:基于软件开发的风险模型,采集每个软件开发阶段的风险分析指标对应的风险因素数据,风险模型包括多个软件开发阶段的多个风险分析指标;基于每个软件开发阶段的风险分析指标对应的风险因素数据,确定每个软件开发阶段的阶段性风险概率,每个软件开发阶段的阶段性风险概率为当前风险概率与累积风险概率之和,所述累积风险概率为每个软件开发阶段的之前阶段的风险分析指标值流转至该软件开发阶段的风险概率;计算每个软件开发阶段的风险影响程度;根据每个软件开发阶段的阶段性风险概率和风险影响程度,获得每个软件开发阶段的风险预测值。本发明可以对软件质量风险进行准确地量化预测。
- 软件质量风险预测方法装置
- [发明专利]一种基于随机引进故障的开源软件可靠性建模方法-CN202010282889.2有效
-
王金勇
-
山西大学
-
2020-05-28
-
2021-09-28
-
G06F11/36
- 本发明属于开源软件可靠性模型技术领域,具体涉及一种基于随机引进故障的开源软件可靠性建模方法。本发明利用随机微分方程模拟了开源软件开发过程中的故障引入过程,建立了相应的开源软件可靠性模型,模型参数采用最小二乘估计(LSE)方法进行估计,使用来自Apache开源软件项目的三个故障数据集来比较模型性能用完全调试和不完全调试的闭源软件可靠性模型以及开源软件可靠性模型进行比较,提出的模型具有最佳的拟合和预测性能。因此,考虑到开源软件引入故障的随机性变化,符合开源软件开发过程中引入故障的实际变化。该模型可以作为评估开源软件可靠性的工具,帮助开发人员或管理人员在开源软件开发过程中对软件质量进行管理和评估。
- 一种基于随机引进故障软件可靠性建模方法
- [发明专利]基于深度学习与非监督聚类的开源社区开发者推荐方法-CN201911386674.9在审
-
王红兵;赵伟
-
东南大学
-
2019-12-29
-
2020-06-02
-
G06Q10/10
- 本发明公开了一种基于深度学习与非监督聚类的开源社区开发者推荐方法,将深度学习神经网络与非监督聚类相结合,用于开源社区中的开发者推荐,本发明方法主要包括三步,首先根据开发者的通用特征信息利用非监督聚类对开发者进行聚类,得到参与到每个项目中的不同开发者的类别和比率,然后基于深度神经网络利用项目信息和开发者类别信息进行开发者类别预测,最后利用深度神经网络进行训练得到开发者对应的特征向量,从而与不同类别的开发者进行相似性比较推荐出相应的开发者本发明能在大规模的开源软件社区中取得较好的推荐精度和效率,还可以补充现有研究在开源软件社区研究方面的缺陷,从新的角度为保证开源软件开发质量提供一种新的开源软件开发者推荐方法。
- 基于深度学习监督社区开发者推荐方法
|