1.主客观融合的软件非功能需求评价方法，其特征在于，按照以下步骤进行：步骤1，主客观属性节点的划分，将建立的非功能需求ESIG图中的最底层节点中由专家直接评分的节点分类为主观属性节点，其余节点划分为客观属性节点，主观属性节点包括RSA加密节点、DES加密节点，客观属性节点包括响应时间、处理时间；

其中，非功能需求ESIG图的建立方法为：

1)为明确表示分解路径和方向，将原SIG图符号中表示分解的线段加上有向标识，用实线箭头表示，方向从父节点指向子节点；

2)为表示节点间的促进或者冲突关系，使用虚线箭头加“+”号和“‑”号的方式分别表示“促进”和“抑制”影响，方向从影响节点指向被影响节点；

3)使用“单弧加数字”的方式表示父子节点的分解关系，单弧内的数字表示为了满足父节点而需要的子节点的个数；

步骤2，确定专家的权重向量和属性权重向量，由专家给出的犹豫模糊偏好关系构造犹豫模糊偏好关系矩阵，并根据专家权重向量确定算法和属性权重向量确定算法分别确定专家的权重向量和属性权重向量；

其中，专家权重向量确定算法具体为：

1)采用AHFA算子，将专家dk给出的属性集Ai中的所有犹豫模糊偏好值合成为整体犹豫模糊偏好值

2)根据犹豫模糊数的得分函数，计算得到整体犹豫模糊偏好值 的得分 表示专家dk对属性集Ai中属性ai偏好程度的得分值；

3)计算专家dk的得分水平向量Ei，

Ei＝(ei1,ei2,…,eim)

其中， eij表示向量Ei中的任意一个元素，eim是向量Ei中的一个元素， 表示所有专家对属性ai得分值的算术平均值， 表示所有专家对属性ai得分值的最大值，Ei反映了专家dk对属性集Ai所做出的偏好程度的水平；

4)计算熵值Zi

其中，

不确定性程度用熵值表示，熵值越小，专家评分水平越高，可信度越高；反之，熵值越大，可信度越低，zij无具体含义，仅为计算熵值，e是自然对数的底；

5)计算专家权重ωi，并确定专家权重向量ω：ω＝(ω1,ω2,…,ωs)

其中， 且满足0＜ωi＜1， Zi的含义是熵值；

步骤3，确定最底层属性节点的盲数矩阵，专家对主观属性节点进行打分，对于客观属性节点的评分根据具体的数据确定，最后根据专家意见的不确定性量化算法得出最底层属性节点的盲数矩阵；

步骤4，计算最底层属性节点对应的上层属性节点的未确知测度值；

步骤5，确定系统的非功能需求属性评分值，将分值向量与所述上层属性节点的未确知测度相乘得出该上层属性节点的最终得分，自底向上逐层求解便可得出系统的非功能需求属性评分值。

2.根据权利要求1所述的主客观融合的软件非功能需求评价方法，其特征在于，所述步骤2中，属性权重向量确定算法具体为：

11)设p为算法的迭代次数，δ为步长，且满足0≤ξ＝pδ≤1，τ为群体共识性水平，令p＝1，分别得到各专家给出的犹豫模糊偏好关系的完美积极一致性犹豫模糊偏好关系

12)采用AHFWA算子将所有的专家个体完美积极一致性犹豫模糊偏好关系 合成为总体犹豫模糊偏好关系 即其中， 为 中第t小的元素，ωk为专家dk的权重；

13)判断所有的专家个体完美积极一致性犹豫模糊偏好关系 是否达到可接受的一致性程度；计算各专家的专家个体完美积极一致性犹豫模糊偏好关系 到总体犹豫模糊偏好关系 的距离，即若 对所有k＝1,2,…,s；τ为群体共识性水平；说明 是可接受的，则转步骤15)；否则转步骤14)；

14)修正非一致性犹豫模糊偏好关系，令

其中，

式中， 和 分别为 和 中

第t小的元素，令p＝p+1，转步骤12)；

15)令 采用AHFA算子，将属性集Ai的所有犹豫模糊偏好关系值hij(j＝1,

2,…,m)合成为整体犹豫模糊偏好值hi；

16)根据犹豫模糊数的得分函数，得到整体犹豫模糊偏好值hi的得分wi，用wi来表示属性集Ai中属性ai的权重，得属性权重向量W＝(w1,w2,…,wm)，进行归一化处理，得W′＝(w′1,w′2,…,w′m)，且满足0＜w′i＜1，

3.根据权利要求1所述的主客观融合的软件非功能需求评价方法，其特征在于，所述步骤3中，专家意见的不确定性量化算法具体为：

21)计算得到专家组d1,d2,…,ds的专家综合可信度分别为α1,α2,…,αs；

22)对存在交叉现象的区间进行无交叉划分，重新建立区间序列并计算新区间的可信度，得到属性ai落在给定的标准评分区间的可能性，具体为将区间序列的端点值由小到大排列得到新的无交叉区间序列为[ki1，vi1]、[ki2，vi2]…[ki1，vi1]，按照比例分配法计算新区间的可信度ηi1,ηi2,…,ηil，将结果用盲数fi(x)表示，形式为

23)根据盲数fi(x)计算属性ai落在给定的标准评分区间的可能性，得到新的盲数fi′(x)，形式为得到属性集Ai的盲数矩阵：

其中l为给定的标准区间个数，m为由专家打分确定评分值的属性个数。