随着计算机技术的飞速发展,人们对计算机软件系统的依赖性越来越高,软件是硬件的灵魂,软件质量是评价使用产品好坏的重要指标,随着软件规模不断增大与复杂程度不断增加,合理把握和保证软件产品质量成为亟待解决的问题,对软件质量的度量评价与测量是提高软件质量的有效手段。本文概述了国内外关于软件可靠性评价与测量方法的研究现状,对软件质量评价的背景、现状进行全面叙述,以当前软件接口自动化测试、Web自动化测试、移动端自动化测试为主要的测试方向,深入分析了主流软件测试工具如:应用于单元测试（Unittest、Pytest、Junit）、自动化测试（Selenium、Request、Appium）、性能测试（Load Runner、Emmagee）等各种测试框架的性能指标,提出了基于SVM理论模型的软件测试评价指标体系,应用各类测试框架的测试数据优化SVM模型的测试指标,根据被测软件的使用背景、需求重点关注点、应用行业等方面对选取的质量特性和子特性加权,设计了基于SVM模型的软件指标量化评价模型和自动化软件测试用例,实现科学、客观、综合、高效的评价软件质量。主要工作有:1.将机器学习中支持向量机理论引入到软件可靠性评价领域中,研究了软件质量评价模型及评价指标的选择问题;针对软件的性能测试指标、流程效率指标及项目进程指标等方面进行深入研究,结合现有较成熟的测试框架,提出了基于SVM模型的软件质量评价指标体系结构,通过测试平台框架自身的训练功能,结合在十个典型软件下进行SVM模型的测量指标量化调优,采用SVM算法的评价模型其评价的准确率高于未采取SVM算法的评估模型,提升了软件自动化测量评价效率和准确性。2.面对复杂的软件系统,针对影响产品质量的多种因素和软件质量评价的多指标决策问题,提出了从定量和定性两个角度对软件产品质量进行度量,在传统的软件功能测试、接口测试、性能测试、边界测试等测试类型维度的基础上,提出测试数据的归一化方法,将[0,1]区间分为四个子区间:[0,0.25),[0.25,0.5),[0.5,0.75),[0.75,1),分别代表优、良、及格和差,根据SVM模型的预测分值所属的区间决定评价结果。将不加权数据和加权数据分别作为训练数据进行模型的训练测试,实验结果表明,采用SVM算法的测量指标加权量化评价模型能更准确的判断出软件的优劣等级。