基于學(xué)習(xí)機(jī)制的軟件缺陷預(yù)測(cè)研究.pdf

1、隨著社會(huì)的發(fā)展，軟件的多樣性以及普遍性已經(jīng)滲入到人們的生活中，軟件的可靠性是人們進(jìn)行日常交易的重要保證，很多因素會(huì)對(duì)軟件系統(tǒng)的可靠性造成威脅，而軟件缺陷的存在是其主要因素之一。及時(shí)發(fā)現(xiàn)軟件中潛在的缺陷，有助于提高軟件的質(zhì)量，節(jié)約成本。根據(jù)收集的已有的軟件缺陷數(shù)據(jù)，軟件缺陷預(yù)測(cè)技術(shù)可以對(duì)新的模塊進(jìn)行缺陷預(yù)測(cè)。然而，在軟件缺陷預(yù)測(cè)中，標(biāo)記樣本難以獲取，而且軟件缺陷數(shù)據(jù)集中缺陷模塊的數(shù)量遠(yuǎn)低于無缺陷模塊的數(shù)量，即數(shù)據(jù)集是分類不平衡的，因此會(huì)對(duì)

2、軟件模塊的預(yù)測(cè)結(jié)果造成一定的影響。
　　為了解決以上問題，本文運(yùn)用機(jī)器學(xué)習(xí)技術(shù)建立了一種新的軟件缺陷預(yù)測(cè)模型。本文的主要工作有:
　　(1)為了解決標(biāo)記樣本不足以及分類不平衡的情況，本文提出一種半監(jiān)督集成學(xué)習(xí)軟件缺陷預(yù)測(cè)模型(Tri_Adaboost)。一方面利用欠采樣方法以及半監(jiān)督學(xué)習(xí)方法Tri-training對(duì)標(biāo)記樣本集進(jìn)行擴(kuò)充，隨機(jī)選取一部分無標(biāo)記樣本進(jìn)行預(yù)標(biāo)注，緩解標(biāo)記樣本不足的問題;另一方面，由于經(jīng)過擴(kuò)充后的標(biāo)記

3、樣本集依然是一個(gè)不平衡數(shù)據(jù)集，為了提高預(yù)測(cè)模型的性能，在對(duì)擴(kuò)充后的數(shù)據(jù)集進(jìn)行分類預(yù)測(cè)之前，使用SMOTE算法對(duì)其進(jìn)行采樣，然后使用Adaboost集成方法分類預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明，本文提出的方法能明顯提高模型的預(yù)測(cè)性能。
　　(2)基于開源項(xiàng)目下生成了空指針引用缺陷數(shù)據(jù)集。由于大多數(shù)情況下對(duì)軟件缺陷預(yù)測(cè)模型進(jìn)行驗(yàn)證時(shí)使用的數(shù)據(jù)集都是基于模塊的，即數(shù)據(jù)集中只指出具體的某一模塊存在缺陷，但是并未指出模塊中缺陷的類型。為了驗(yàn)證本文提出模型