基于改進隨機森林的軟件故障預(yù)測模型研究.pdf

1、在軟件開發(fā)過程中，準(zhǔn)確地預(yù)測有故障傾向的軟件模塊可以幫助測試人員以及開發(fā)人員高效地發(fā)現(xiàn)軟件故障。對于大型系統(tǒng)，軟件故障預(yù)測就更加重要，因為它能夠幫助開發(fā)人員在開發(fā)過程中將精力和資源集中使用在容易出現(xiàn)故障的模塊，從而更合理地分配資源。
　　目前軟件故障預(yù)測模型主要是通過機器學(xué)習(xí)算法來構(gòu)建的，軟件故障預(yù)測主要是根據(jù)軟件質(zhì)量屬性以及軟件的歷史故障數(shù)據(jù)來對被測系統(tǒng)的軟件模塊進行故障預(yù)測。本文首先對軟件質(zhì)量屬性進行了研究，包括方法級屬性集合

2、 McCabe和Halstead，面向?qū)ο?OO)屬性集合。本文提出的軟件故障預(yù)測模型采用方法集屬性與面向?qū)ο髮傩韵嘟Y(jié)合的方法對軟件進行度量。針對軟件故障數(shù)據(jù)的不平衡性問題，本文提出了一種改進的隨機森林算法，在對模型進行訓(xùn)練前首先對訓(xùn)練數(shù)據(jù)集進行平衡化處理，以減少訓(xùn)練數(shù)據(jù)對模型準(zhǔn)確度的影響，模型生成后在保證預(yù)測準(zhǔn)確率較高的情況下精簡模型，提高預(yù)測效率。應(yīng)用本文提出的算法對 Eclipse中的數(shù)據(jù)進行處理，實驗表明本文提出的改進算法性能高