扩展功能点(EFP)指标详细解释

本文概述

  • 特征点
  • 3D功能点
FP指标已进一步扩展为计算:
  1. 特征点。
  2. 3D功能点。
特征点
  1. 特征点是功能点度量的超集, 可以应用于系统和工程软件应用程序。
  2. 特征点用于算法复杂度较高的那些应用中, 例如存在时间限制的实时系统, 嵌入式系统等。
  3. 通过计算信息域值来计算特征点, 并且仅通过单个权重对其进行加权。
  4. 特征点包括另一个测量参数-ALGORITHM。
  5. 特征点的计算表如下:
特征点计算
Measurement Parameter Count Weighing factor
1.外部输入数量(EI) * 4
2.外部输出数量(EO) * 5
3.外部咨询数量(EQ) * 4
4.内部文件数(ILF) * 7
5.外部接口数(EIF) * 7
6.使用的算法总计计数→ * 3
因此, 可以使用以下公式计算特征点:
FP =总数* [0.65 + 0.01 * ∑(fi)]
=总数* CAF
从上表获得总数。
CAF = [0.65 + 0.01 * ∑(fi)]
∑(fi)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∑(fi)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, 特征点比上面使用功能点确定的计数高20%至35%。
3D功能点 可以使用三个维度来表示3D功能点: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-转换, 即将输入转换为输出的步骤序列。
4.控件维度添加了另一个功能转移, 定义为状态之间转移的总数。状态代表某种外部可观察模式
扩展功能点(EFP)指标详细解释

文章图片
现在平均情况下的fi =3。因此, 所有fi的总和(i←1至14)= 14 * 3 = 42
FP =总数* [0.65 + 0.01 * ∑(fi)]
= 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
示例:计算具有以下特征的嵌入式系统的3D功能点值:
  1. 内部数据结构= 6
  2. 外部数据结构= 3
  3. 用户输入数量= 12
  4. 用户输出数量= 60
  5. 用户查询数= 9
  6. 外部接口数量= 3
  7. 转换= 36
  8. 转换= 24
假设上述计数的复杂度很高。
【扩展功能点(EFP)指标详细解释】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,
扩展功能点(EFP)指标详细解释

文章图片

    推荐阅读