Software reliability growth modeling integrating imperfect debugging, learning effects, and uncertain testing environments

Samal, Umashankar

doi:10.1177/1748006X261432523

Software reliability growth modeling integrating imperfect debugging, learning effects, and uncertain testing environments

2026-03-01

0

PRE

AI

S

Samal, Umashankar

P

Pradhan, Sujit Kumar *

C

Chandan Kumar

DOI：10.1177/1748006X261432523

原文链接

原文求助

摘要

En 中文

为理解软件质量在测试过程中的改进，软件可靠性增长模型（SRGMs）发挥着重要作用。SRGMs在人类学习、调试实践以及测试环境中的不确定性影响故障检测过程时尤为重要。传统SRGMs通常假设理想或简化的条件，这可能无法完全反映实际测试场景。为弥补这一差距，本研究提出了两个考虑不完美调试、S形学习模式及通过威布尔分布建模不确定性的SRGMs。这些改进使模型能更真实地捕捉故障检测行为。通过三个数据集评估所提模型的性能，并与一些知名的SRGMs进行比较。结果表明，所提模型在所有数据集上均表现具有竞争力。尽管没有单一模型在所有情况下占优，但结果显示结合学习和不确定性提供了灵活性，并在各种测试环境中增强了预测能力。

Keyword:

software reliability growth model

uncertainty

learning effect

imperfect debugging

Weibull distribution

Software reliability growth modeling integrating imperfect debugging, learning effects, and uncertain testing environments

摘要

期刊

机构

引用论文