軟件度量是對軟件開發(fā)項(xiàng)目、過程及其產(chǎn)品進(jìn)行數(shù)據(jù)定義、收集以及分析的持續(xù)性定量化過程，目的在于對此加以理解、預(yù)測、*估、控制和改善，從而保證軟件開發(fā)中的高效率、低成本、高質(zhì)量[1]。但是，得到正確的度量只是測量程序的一部分。軟件質(zhì)量是與所收集和分析的數(shù)據(jù)質(zhì)量密切相關(guān)的，數(shù)據(jù)清洗過程的目的就是要解決“臟數(shù)據(jù)”的問題。數(shù)據(jù)清洗是指去除或修補(bǔ)源數(shù)據(jù)中的不完整、不一致、含噪聲的數(shù)據(jù)。在源數(shù)據(jù)中，可能由于疏忽、懶惰，甚至為了保密使系統(tǒng)設(shè)計人員無法得到某些數(shù)據(jù)項(xiàng)的數(shù)據(jù)[2]。根據(jù)決策系統(tǒng)中“garbage in garbage out”(如果輸入的分析數(shù)據(jù)是垃圾則輸出的分析結(jié)果也將是垃圾)原理，必須處理這些噪聲數(shù)據(jù)。去掉噪聲平滑數(shù)據(jù)的技術(shù)主要有分箱(binning)、聚類(clustering)、回歸(regression)等[3]。本文在回歸分析的基礎(chǔ)上，加入了盒形圖進(jìn)行數(shù)據(jù)過濾，從而得出一條線性回歸直線，使模式或者關(guān)系變得更加明顯，從而用這些模式和關(guān)系對測量的屬性作出判斷。

1 盒形圖和回歸分析簡介

1.1 盒形圖

　　該方法可以描述數(shù)據(jù)集取值范圍的情況，展示數(shù)據(jù)主要*的區(qū)域，發(fā)現(xiàn)離群數(shù)據(jù)可能的位置，以便于對離群數(shù)據(jù)進(jìn)行處理。盒形圖顯示一個變量的信息，如對相同CMM等級的不同項(xiàng)目完成每個FP的工作量分析，根據(jù)中位數(shù)m、上四分位數(shù)u、下四分位數(shù)l、盒長d、和尾(tail)來分析。

　　中位數(shù)是在數(shù)據(jù)集中排列居中的項(xiàng)。也就是說，如果中位數(shù)取值為m，則數(shù)據(jù)集中有一半的值大于m，一半的值小于m。將所有數(shù)值按大小順序排列并分成四等份，處于三個分割點(diǎn)位置的得分就是四分位數(shù)。的四分位數(shù)稱為下四分位數(shù)l，所有數(shù)值中，有四分之一小于下四分位數(shù)，四分之三大于下四分位數(shù)。中點(diǎn)位置的四分位數(shù)就是中位數(shù)。的四分位數(shù)稱為上四分位數(shù)u，所有數(shù)值中，有四分之三小于上四分位數(shù)，四分之一大于上四分位數(shù)。也有叫第25百分位數(shù)、第75百分位數(shù)的。將上四分位數(shù)和下四分位數(shù)的距離定義為盒長d，因此，d=u-l。接下來定義分布的尾(tail)。理論上，上尾值點(diǎn)為u+1.5d，下尾值為u-1.5d，這些值必須進(jìn)行舍位處理，以接近真實(shí)數(shù)據(jù)，位于上尾和下尾之外的值稱為離群值。

1.2 回歸分析方法

　　回歸分析方法是研究要素之間具體數(shù)量關(guān)系的強(qiáng)有力的工具，運(yùn)用這種方法能夠建立反映要素之間具體的數(shù)量關(guān)系的數(shù)學(xué)模型，即回歸模型。線性回歸技術(shù)的基礎(chǔ)就是散點(diǎn)圖。將每個屬性對表示為一個數(shù)據(jù)點(diǎn)(x，y)，然后用回歸技術(shù)計算出能夠地擬合這些點(diǎn)的直線。目標(biāo)是將屬性y(因變量)根據(jù)屬性x(自變量)表示為等式：y=a+bx。

　　線性回歸的理論是從每個點(diǎn)垂直向上或向下畫一條線段到趨勢直線，表示從數(shù)據(jù)點(diǎn)到趨勢直線的垂直距離。在某種意義上，這些線段的長度表示數(shù)據(jù)和直線的差異，且這種差異應(yīng)盡可能地小。因此，“擬合”的直線式是指使該距離的直線。

　　在數(shù)學(xué)上要計算“擬合”直線的斜率b和截距a是很簡單的。每個點(diǎn)的差異稱為殘差，生成線性回歸直線的公式是殘差的平方和達(dá)到。可以將每個數(shù)據(jù)點(diǎn)的殘差表示為：

2 算法實(shí)現(xiàn)

　　在進(jìn)行數(shù)據(jù)清洗時，由于數(shù)據(jù)是無序輸入的，所以先對其排序，再用盒形圖法行數(shù)據(jù)清洗。以下是偽代碼：

　　void BubbleSort(double m，double q，int n) //先對輸入

　　//的數(shù)據(jù)進(jìn)行冒泡排序，并相應(yīng)修改

　　//第二組數(shù)據(jù)的順序，以保證它們之間的對應(yīng)關(guān)系

　　{ for(int i=0；i

　　for(int j=n-1；j>i；j--)

　　{

　　輸入數(shù)據(jù)的排序

　　修改第二組數(shù)據(jù)

　　}

　　}

　　void box(double *m，double *q，int &n) //盒形法篩選

　　//掉離群項(xiàng)目工作量數(shù)據(jù)，n為輸入數(shù)據(jù)個數(shù)，m、q為指針

　　{

　　double a，b，c，top，bottom，l； //上分位a，中位數(shù)b，//下分位c

　　if(n%2==0) //計算出3個四分位數(shù)

　　{

　　b=(*(m+n/2)+*(m+n/2-1))/2； //數(shù)據(jù)個數(shù)為

　　//偶數(shù)時，中位數(shù)取中間兩數(shù)的平均值

　　a=*(m+n/4)；

　　c=*(m+3*n/4)； }

　　}

　　else

　　{ b=*(m+n/2)；

　　a=*(m+n/4)；

　　c=*(m+3*n/4)； }

　　l=c-a； top=c+1.5*l；bottom=c-1.5*l； //計算出盒

　　//長，上尾數(shù)，下尾數(shù)

　　if(bottom<0) bottom=m； //并進(jìn)行必要的舍位處理

　　int j=n；

　　for(int i=0；i

　　{

　　if(*(m+i)>top‖*(m+i)

　　如有，將其從數(shù)組中剔去

　　}

　　}