需求分析建模技术

内部编号：(YUUT-TBBY-MMUT-URRUY-UOOY-DBUYI-0128)1.需求分析概述成一致，估计软件终形成开发计划的一个复杂过程。在这个过程中，用户工程师和项目经理要负责整理用户需求，为之后的软件阶段结束后，要求得到《用户需求说明书》和《需求规义上，需求分析包括需求的获取、分析、规格说明、变。需求的获取、分析及定义的过程。需求分析的任务就”的问题，就是要全面地理解用户的各项要求，并准确的根本任务分析如何实现用户的需求。实际上，需求分用户零散的需求串联起来，形成一个体系完成、组织为简单的部分以及它们之间的联系，确定本质和结构化，它的目的是获取某个可立的、更简单和易于管理的子问题来帮助寻找定被定义的事物之间的逻辑关系。的推理，进而可以被用来验证解决方案、产品高层次的目标要求。通常问题定义就什么任务，怎么完成，通常是在问题定义对用户使用的场景进行整理，从而建立从需求，还有设计约束重要性和时间，而开发出的软件却没人要，那么如果费了很大的精力开发一个软件，最后却不能满足用户，那么这种返工是让人痛心疾首的。所以，需求分析在软轻重的地位，具有决策性、方向性、策略性的作用，我们的重视。在一个大型软件系统的开发中，需求分析的作用约26%的项目获得成功。而在于这些高达74%的不成是源于需求问题。也就是说，有近45%的项目最终因为的一般步骤1.需求获取2.需求捕获技术比较要技术需求盲点巧3.需求分析炼、分析和审查，为最终用户所看到的系统建立概念如何收集)。4.需求文档的编写2.需求分析建模求分析的主要手段。是研究系统的重要手段和前提。凡是用模型建模是寻求分析的主要手段，它通过简化(化简)、强调来帮助需求分析人集中关注问题的计算特性(数据、功能、规则等等)式。建模的目标是建立系统的一个表示此软件系统的规模和复杂度都相对较抽象(Abstraction)普及，业务模式、数据量都在发生迅速的变化行有效的规划和设计，最终必然导致失败。按照实际情况或按照我们的需要的模式对系统进行统的结构或者行为的方法，给出一个指导系统构造计算模型、编码模型。以图书馆借书为例的一个模型：，忽略次要的内容，通过强调本质的特征断出更广泛和更普遍的关系，帮助人们寻找解决方案。分解(Decomposition/Partitioning)多个相对更容易的子问投影(Projection)功能、行为和信息三个方面进行，侧重点可以不一1.面向信息流向：结构化分析方法(SA)rednalysisDemarco的，旨在减少分析活动中的错的系统逻辑模型。该方法的要点是：面对数据流的分解和向下逐层分解，经过一系列分解和抽象，到最底层的就都1.1RationalRequisitePro2.面向信息结构：Jackson分析方法三种数据结构可以进行任意嵌套，组合。形成复杂的KSON3.面向信息内容：面向对象分析方法面向对象分析方法(Object-OrientedAnalysis，OOA)，是在一个系统的开发过程中进行了系统业务调查以后，按照面向对象的思想来分析问题。OOA(面向对象的分析)模型由5个层次(主题层、对象类层、结构层、属性层和服务层)和5个活动(标识对象类、标识结构、定义主题、定义属性和定义服务)组成。在这种方法中定义了两种对象类之间的结，一种称为组装结构。分类结构就是所谓的一般与特殊的OODOOD设计问题域部分、设计人机交互部分、设计任务管理部。RequisitePro和用例管理工具，能够帮助项目团队改进项目dord的组织、集成和分析提供方便。支持需求详细属性，以最大化各个需求的信息价值。提供了详细的可跟踪性视图，通以显示需求间的父子关系，以及需求之间的相互影响关系。通过导XML目基线，可以比较项目间的差异。可以与IBMSoftwarelopmentPlatform2.TelelogicDOORSTelelogicDOORSregEnterpriseRequirementsSuite(DOORS/ERS)用来捕捉、链接、跟踪、分析及管理信息，以S的风险，这使通过通用的需求库来实现更高生产率的并且为根据特定的需求定义的可交付物提供可视化的验DOORS企业需求管理套件(DOORS/ERS)是仅有的面向管理者、开发者与最终用户需求管理套件。不同于那些只能通过一种方式工作的解决界着名的需求管理工具DOORS提供对结果是否满足需求的可视化验证，从而达到质量3.BorlandCaliberRMBorlandCaliberRM于Web理工具，可以帮助分布式的开发团队平滑协作，从而目，是Borland生命周期管理技术暨BorlandSuite够帮助团队在早期及时澄清项目的需求，当全体成员都能件配置管理工具、项目规划工具、分析设计工具以及成。这种有效的集成有助于更好地理解需求变更对项目规3.数据挖掘1.绝对模型(CategoricalModel)：依据预定义路径寻找原因，如查询2.解释模型(ExegeticalModel)：依据多层次路径寻找原因，如多维分析3.思考模型(ContemplativeModel)：参数化路径，如场景分析4.公式模型(FormulaicModel)：模型化路径，如数据挖掘数据挖掘(DataMining)就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中。处理技术，其主要特点是对商业数据库中的大换、分析和其他模型化处理，从中提取辅助商业决策的进行的、未知的或验证已知的规律性，并进一步将其模型化的1.以SPSS，NCR等公司为代表的CRISP-DM方法论CRISP-DM是跨行业数据挖掘标准流程(Cross-IndustryStandardProcessforDataMining)的缩写。、建模、评价、发布为核心环2.以SAS公司为代表的SEMMA方法论，以抽样(Sample)、探索(Explore)、修改(Modify)、建模(Model)、评估(Assess)行为，做出前摄的、基于知识的决策。数据挖1.自动预测趋势和行为2.关联分析3.聚类4.概念描述5.偏差检测1.决策树(decisiontree)2.关联规则(associationrules)3.聚类(clustering)4.神经网络(ArtificialNeuralNetworks，简记作ANN)5.粗糙集(roughset)6.概念格(conceptlattice)7.遗传算法(geneticalgorithms)8.序列模式(sequencepattern)9.贝叶斯(Bayes)4.数据挖掘模型管理从开发阶段直至生产环境对模型进行全面管下阶