[发明专利]基于最大互信息和改进Adaboost的软件缺陷数据特征选择方法

权利要求书

1.基于最大互信息和改进Adaboost的软件缺陷数据特征选择方法，其特征在于，主要包括以下两个步骤：

A.从软件数据集中获取数据，对数据进行预处理

(1)数据包括软件特征集、软件模块，将软件模块数据分为训练集和测试集以备训练和测试；本发明采用十次交叉验证，将数据集分成十份，其中九份做训练，一份做准确度测试；并将数据做标签处理；

(2)根据已有知识将特征集分类，得到三个特征集，分别是LOC类，McCabe类和Halstead类；

B.根据最大互信息理论与改进的Adaboost进行面向软件缺陷数据的特征选择

(1)初始化样本权重{D₁(i)}及目标特征子集S

D1(i)=1n]]>

其中，n为样本个数；

(2)当t＝1…toT，执行以下步骤:

(a)在基于权重的训练集上，训练弱分类器根据分类错误率ε_t挑选出最优的弱分类器，即选出候选最优特征

ε_t＝ΣD_t(i)I[h_t(x_i)≠y_i]

(b)判断候选最优特征f属于何种软件特征，L类，M类还是H类；然后根据互信息理论计算候选最优特征f与目标子集S中与f属于相同类别的特征间的最大相关性max-cor；

max-cor＝max(MI(f，f_p))

其中，f_p∈S，且f_p和f是同类别软件特征，MI为两个变量间的互信息，如下公式：

MI(x,y)=logp(x,y)p(x)p(y)]]>

其中，p(x)和p(y)为x和y的边缘分布概率，p(x，y)是x和y的联合分布概率；

(c)根据步骤(b)中得到的最大相关性max-cor，与设定的阈值β进行比较；当max-cor小于阈值β时，将候选最优特征f加入目标特征子集S，并从特征集F中删除f，同时根据ε_t计算弱分类器的加权系数α_t，将此轮得到的弱分类器h_t累加至上一轮获得的强分类器H_t-1(x)，得到H_t(x)，继续执行步骤(d)，过程如下：

F＝F-{f}；

S＝S+{f}；

αt=12ln(1-ϵtϵt);]]>

H_t(x)＝H_t-1(x)+α_th_t；

当max-cor小于阈值β时，只将f从特征集F中删除，过程如下，然后返回至步骤(a)；

F＝F-{f}；

(d)按以下策略，更新样本权重{D_t+1(i)}

Dt+1(i)=Dt(i)Zt×e2αt;]]>

(3)输出最终强分类器H(x)及目标特征子集S。