二值分类阈值技术在软件风险评估中的比较研究

"这篇研究论文主要探讨了软件风险分类中阈值技术的比较，重点关注了如何使用二进制分类来简化软件系统的风险评估。研究者Navneet Kaur Kaur和Hardeep Singh从印度阿姆利则Guru Nanak Dev大学计算机科学系进行了这项工作，他们在沙特国王大学学报上发表此研究成果。论文涵盖了多种阈值技术，包括优势比、Cohen's kappa、特异性和灵敏度的最大总和、一致性概率、Alves排名、可接受风险水平的值以及标准差加平均值，以确定哪种方法在识别面向对象度量的最佳阈值方面最有效。" 本文首先指出，尽管基于统计和机器学习的预测模型在软件工程中用于风险分层和测试资源分配，但实际应用中存在构建模型的复杂性和成本问题。因此，阈值技术成为一种更简洁且实用的替代方案，因为它允许测试人员通过简单的度量值比较来识别可能有风险的类别。 研究中使用了广泛认可的Chidamber和Kemerer度量套件作为面向对象的度量标准。经过比较，发现一致性概率和最大灵敏度与特异性之和在这项研究中表现出最佳性能，而优势比的表现则相对较弱。这些发现强调了选择合适阈值技术对于准确识别软件风险的重要性。 此外，论文还讨论了阈值技术在减少测试工作量和优化资源分配方面的潜力，这对于软件开发团队来说至关重要。通过阈值确定的二值分类方法，可以更有效地定位可能存在问题的代码段，从而提高软件质量并减少后期维护成本。 这篇论文为软件风险管理和测试策略提供了一个有价值的视角，它强调了阈值技术在简化复杂度量分析和决策过程中的作用。通过对比不同阈值技术的效能，研究有助于软件工程师和测试人员更好地理解和应用这些工具，以提升软件开发的效率和可靠性。