📅  最后修改于: 2021-01-09 14:55:11             🧑  作者: Mango
FP指标已进一步扩展为计算:
特征点计算
Measurement Parameter | Count | Weighing factor | ||
---|---|---|---|---|
1. Number of external inputs (EI) | – | * | 4 | – |
2. Number of external outputs (EO) | – | * | 5 | – |
3. Number of external inquiries (EQ) | – | * | 4 | – |
4. Number of internal files (ILF) | – | * | 7 | – |
5. Number of external interfaces (EIF) | – | * | 7 | – |
6.Algorithms used Count total → | – | * | 3 | – |
因此,可以使用以下公式计算特征点:
FP =总数* [0.65 + 0.01 * ∑(f i ) ]
=总数* CAF
从上表获得总数。
CAF = [0.65 + 0.01 * ∑(f i ) ]
∑(f i )是所有14个问卷的总和,并显示复杂度调整值/因子CAF(其中i介于1到14之间)。通常,向学生提供∑(f i )的值。
6.功能点和功能点均仅表示系统功能。
7.对于非常复杂的实时应用程序,特征点比上面使用函数点确定的计数高20%至35%。
可以使用三个维度来表示3D函数点:数据维度,功能维度和控制维度。
2.在计算FP时评估数据维度。在此,对输入,输出,查询,外部接口和文件进行计数。
3.功能维度添加了另一个功能-Transformation ,即将输入转换为输出的步骤序列。
4.添加另一个功能的控件维度-过渡,定义为状态之间的过渡总数。状态代表某种外部可观察模式
现在平均情况下的f i =3。因此,所有f i的总和(i←1到14)= 14 * 3 = 42
FP =总数* [0.65 + 0.01 * ∑(f i )]
= 618 * [0.65 + 0.01 * 42]
= 618 * [0.65 + 0.42]
= 618 * 1.07 = 661.26
和特征点=(32 * 4 + 60 * 5 + 24 * 4 + 80 +14)* 1.07 + {12 * 15 * 1.07}
853.86<="" =="" p="">
示例:计算具有以下特征的嵌入式系统的3D功能点值:
假设上述计数的复杂度很高。
解决方案:我们首先绘制表格。对于嵌入式系统,加权因子很复杂且复杂度很高。所以,
>