[发明专利]一种有效数据处理的软件缺陷检测方法

说明书

本发明提供一种有效数据处理的软件缺陷检测方法，其包括首先对接收的软件模块进行检测，获取原始软件度量数据集，对原始软件度量数据集的数据进行预处理，将数据分为训练样本和测试样本，对训练样本数据进行字典学习模型，并判别，结构化字典，使用非对称分类器进行性能评估，检测转入所述测试样本，用模型对软件检测模块进行缺陷检测，将评估结果反馈给测试者，完成检测。本发明可以使字典表示能力增强，具有很好的判别性能，同时有效解决数据不平衡问题带来的误差，准确定位软件缺陷位置。

【技术领域】

本发明涉及软件工程领域，特别涉及一种有效数据处理的软件缺陷检测方法。

【背景技术】

软件是信息系统的灵魂，是各行各业实现信息化的基础和重要支柱，为适应于真是世界问题中纷繁复杂的应用需求，软件系统功能变得越来越多，其复杂性也越来越高。面对庞大复杂的软件系统，软件缺陷是计算机软件经常出现问题，在软件整个生命周期里，软件缺陷成为影响软件质量的一个重要因素，发现和排查软件缺陷是一项重要的工作，然而，发现和排除软件缺陷需要耗费大量的人力和物力。2006年，在与软件缺陷相关的费用方面，美国花费大约780亿美元。根据美国国防部的数据显示，用在与软件相关的工作上的资金大约占整个IT产品的42％，据美国调查研究结果表示，在整个软件花费中，美国在软件测试上的花费就占了53％-87％。因此合理预测缺陷能够有助于及时找出未被发现但是真实存在的缺陷以及缺陷分布，因此，不仅可以节约大量的成本，提高产品质量，还能够客观地评价测试结果，让开发者合理的权衡潜在预测风险和测试成本之间的关系，便于科学的进行软件检测工作。虽然不同度元的数据采集方法不同，但是在预测算法中对不同的度量元并不区分处理，预测算法却具有通用性，现有技术中将字典学习方法用于软件缺陷检测中，但是常规的字典学习算法不能有效利用数据集中不同类型本的判别性质，同时在分类评估时没有考虑到算法中不对称性，因此，提供一种具有有效数据处理的软件检测方法势在必行。

【发明内容】

本发明旨在提供一种有效数据处理的软件缺陷检测方法，能够通过在传统的字典学习模型中通过加入判别约束项、在分类器性能评估中考虑到不对称性，来提高数据性能，更好的完成软件检测。

技术方案为，.一种有效数据处理的软件缺陷检测方法，其特征在于，包括以下步骤：

步骤(1)，对接收的软件模块进行检测；

步骤(2)，获取原始软件度量数据集，对原始软件度量数据集的数据进行预处理；

步骤(3)，将数据分为训练样本和测试样本；

步骤(4)，对训练样本数据进行字典学习模型，并判别；

步骤(5)，对所述步骤(4)中的数据进行结构化，

步骤(6)，使用非对称分类器进行性能评估；

步骤(7)，检测转入所述测试样本；

步骤(8)，用模型对软件检测模块进行缺陷检测；

步骤(9)，将评估结果反馈给测试者，完成检测。

进一步的，步骤(4)中的判别方法选用多元统计分析进行判别。

进一步的，步骤(5)包括步骤501，初始化字典集合D，对D每一列以随机矢量l1范式项进行初始化；步骤502，固定字典集合D，通过IMP以迭代的形式进行求解系数集合X；步骤503，固定步骤502中的X，更新D，得到最终的结构化的字典。

其中，本发明与现有技术相比，本发明提供的软件检测方法，能够将建模过程、检测过程和软件模块开发过程融合，有效处理数据，将数据样本预处理和处理有效融合，同时利用不对称分类对数据处理结果进行性能评估，以提升整个过程的测试性能。

【附图说明】