扩展功能点 (EFP) 度量

功能点指标已进一步扩展以计算

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高的应用程序中，例如存在时间约束的实时系统、嵌入式系统等。
3. 特征点通过计算信息域值并仅按单个权重进行加权来计算。
4. 特征点包括另一个测量参数 - 算法。
5. 计算特征点的表格如下所示

特征点计算

因此，特征点使用以下公式计算

                FP = 总计数 * [0.65 + 0.01 *∑(f_i)]
                    = 总计数 * CAF

其中，总计数从上表中获得。

                CAF = [0.65 + 0.01 * ∑(f_i)]

并且 ∑(f_i) 是所有 14 个问卷的总和，并显示复杂性调整值/因子 - CAF（其中 i 的范围从 1 到 14）。通常，会向学生提供 ∑(f_i) 的值。

6. 功能点和特征点都仅代表系统功能。

7. 对于非常复杂的实时应用程序，特征点比使用上述功能点确定的计数高 20% 到 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. 数据维度的评估方式与计算功能点相同。 在此，计算输入、输出、查询、外部接口和文件。

3. 功能维度添加了另一个特征 - 转换，即将输入转换为输出的步骤序列。

4. 控制维度添加了另一个特征 - 转换，定义为状态之间的总转换次数。 状态代表一些外部可观察的模式

现在，平均情况下的 f_i = 3。因此，所有 f_i（i ←1 到 14）的总和 = 14 * 3 = 42
                                FP = 总计数 * [0.65 + 0.01 *∑(f_i ) ]
                                = 618 * [0.65 + 0.01 * 42]
                                = 618 * [0.65 + 0.42]
                                = 618 * 1.07 = 661.26

并且特征点 = (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. 用户查询数量 = 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性很高。

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，并且复杂性很高。 所以，