特征描述方法在軟件缺陷預(yù)測(cè)中的應(yīng)用研究.pdf

1、隨著軟件產(chǎn)品廣泛應(yīng)用于工業(yè)制造、金融、交通運(yùn)輸、軍事等領(lǐng)域，隨著軟件的規(guī)模和復(fù)雜度不斷增加，如何保證軟件產(chǎn)品的質(zhì)量和可靠性成為軟件工程研究的重點(diǎn)和難點(diǎn)。軟件缺陷是影響軟件質(zhì)量的重要因素之一，在軟件測(cè)試中進(jìn)行軟件缺陷預(yù)測(cè)能夠以較低的成本獲得其缺陷分布情況，將主要的人力和財(cái)力集中于含缺陷軟件單元的測(cè)試，對(duì)保證軟件的質(zhì)量和可靠性具有重要價(jià)值。
　　 機(jī)器學(xué)習(xí)中的分類技術(shù)是當(dāng)前軟件缺陷預(yù)測(cè)的主要方法。影響分類預(yù)測(cè)模型最重要的兩個(gè)方面是特

2、征描述和分類器的選擇。針對(duì)軟件缺陷數(shù)據(jù)的特點(diǎn)，本文以NASA數(shù)據(jù)庫(kù)為例，探究軟件單元特征描述的新方法，以進(jìn)一步提高軟件缺陷預(yù)測(cè)的準(zhǔn)確度。主要工作如下：
　　 ①針對(duì)特征空間中軟件單元描述特征多樣，預(yù)測(cè)模型精度低和算法復(fù)雜度較高等問題，提出基于相異空間特征描述的軟件缺陷預(yù)測(cè)模型。首先利用訓(xùn)練數(shù)據(jù)生成代表集，然后選擇適合的相異性度量，將軟件單元特征空間描述轉(zhuǎn)化為相異空間描述。最后在相異空間中建立分類器完成軟件缺陷預(yù)測(cè)。在NASA數(shù)據(jù)

3、庫(kù)中實(shí)驗(yàn)結(jié)果表明：相異特征描述可以在保證軟件缺陷預(yù)測(cè)的精度的基礎(chǔ)上，有效降低其計(jì)算復(fù)雜度。在CM1、KC1、KC2和PC1四個(gè)數(shù)據(jù)庫(kù)中，計(jì)算效率提高了1％到67％不等。
　　 ②從擴(kuò)大軟件度量特征類別區(qū)分度的角度出發(fā)，提出軟件單元的分類特征描述方法。首先在各維數(shù)值特征中建立一維特征分類器，然后將分類結(jié)果作為新特征代替數(shù)值特征描述軟件單元，最后在分類特征描述下建立預(yù)測(cè)模型。本文提出基于均值準(zhǔn)則和最小錯(cuò)誤率準(zhǔn)則的兩種特征分類器算法。

4、實(shí)驗(yàn)結(jié)果表明分類特征描述可以有效地提高軟件缺陷預(yù)測(cè)效果。四個(gè)數(shù)據(jù)庫(kù)中，最優(yōu)正確率分別從65.61％、71.79％、69.67％和65.01％提高到了71.29％、75.99％、78.05％和73.96％。
　　 ③考慮到軟件單元各類型度量特征的計(jì)算方法和分布各不相同，提出了基于集成特征描述的軟件缺陷預(yù)測(cè)方法。針對(duì)基于支持向量機(jī)分類器特征集成算法存在的計(jì)算復(fù)雜度高、抗噪性能低和忽略各類型特征權(quán)重差異等缺點(diǎn)，提出基于LS-SVM和B