[发明专利]一种基于复杂加权软件网络的软件缺陷预测方法

权利要求书

1.一种基于复杂加权软件网络的软件缺陷预测方法，其特征在于，包括以下步骤：

步骤一、针对所预测的软件，以软件源代码模块为网络图的节点，软件源代码模块间的依赖关系为边，建立复杂加权软件网络图；所述的复杂加权软件网络图为一个二元组G＝(N,E)，N表示所有节点的集合，E表示所有边的集合，边带有权值；设Nf_i为节点i的方法数之和,Nf_ij为节点i依赖于节点j的方法数之和,Nf_j为节点j的方法数之和,Nf_ji为节点j被节点i依赖的方法数之和,则节点i到节点j的边的权值w_ij的计算方法如下：

步骤二、确定步骤一建立的复杂加权软件网络图中每个节点的网络属性值；所述的网络属性值X＝{LOCODE,LOCOM,INS,OUTS,ClusCoe,BetCen}；其中：

(1)每个节点中的所有代码的总行数，用LOCODE表示；

(2)每个节点中的所有代码注释的总行数，用LOCOM表示；

(3)每个节点的入点强度，用INS表示；其中节点i的入点强度INS_i定义为所有指向节点i的边的权值之和；

(4)每个节点的出点强度，用OUTS表示；其中节点i的出点强度OUTS_i定义为所有由结点i指向其他节点的边的权值之和；

(5)每个节点的聚集系数，用ClusCoe表示；其中节点i有k_i个相邻节点，k_i个相邻节点之间总共存在M_i条边，则节点i的聚集系数ClusCoe_i为：ClusCoe_i等于M_i条边上的所有权值之和除以k_i(k_i-1)；

(6)每个节点的介数，用BetCen表示；其中节点i的介数BetCen_i为通过节点i的最短路径的条数，最短路径为：在通过节点i的所有路径中，所有边的权值之和最小的路径；

步骤三、从公开的软件缺陷库中搜集针对该预测软件的所有软件缺陷，建立该软件的历史缺陷库，并在历史缺陷库中标明每个软件源代码模块的缺陷标签；

步骤四、将步骤二中计算确定的针对每个节点的网络属性值作为机器学习算法的输入，将步骤三中标明的缺陷标签作为机器学习算法的输出，对机器学习算法进行训练和测试，根据机器学习算法的性能评价指标确定性能最优的预测模型；

步骤五：将步骤四中获得的性能最优的预测模型应用于新的软件模块进行缺陷预测。