[发明专利]一种基于GitHub的半监督异构软件缺陷预测方法

权利要求书

1.一种基于GitHub的半监督异构软件缺陷预测方法，其特征在于，所述基于GitHub的半监督异构软件缺陷预测方法包括以下步骤：

步骤(1)、收集数据建立数据库；

步骤(2)、数据预处理，包括数据规范化和数据过滤；

步骤(3)、匹配源数据和目标数据，引入统一度量表示和典型相关分析方法；

步骤(4)、半监督判别分析；

步骤(5)、核半监督判别分析；

步骤(6)、代价敏感核半监督判分析，如下所示，Cost是代价函数，元素代价(i，j)指示将第I类中的实例分类为第I类的代价值，将缺陷类表示为1，而无缺陷类表示为2，成本(1，1)＝0和成本(2，2)＝0，因为正确的分类不会导致任何成本，

代价矩阵

使用函数f(i)来描述第i类的权重，定义为

结合有价值的代价信息，提出了一种对代价敏感的核判别分析方法，下面对代价敏感的半监督缺陷分析优化问题如下，

是类间散度；

是类内散度；

按照代数公式我们得到目标函数优化后：

其中，L是拉普拉斯矩阵；

在步骤(4)中半监督判别分析为以尊重从标记数据中推断出的判别结构，以及从标记数据和未标记数据推断内在的几何结构，设定

X＝[x₁,x₂,...x_M]＝[X^s+,X^T+]是投影样本矩阵，M＝Ns+Nt是所有源实例和目标实例的数目，一组样本x₁,x₂...,x_m∈R^m属于c类，通过最小化类内距离，得到最优投影或变换和同时最大化类间距离，实现类间识别的最大化，类间和类内散射矩阵按以下方式计算：

其中S_b是类间矩阵，S_w是类内矩阵，u是总样本平均向量，u_i是第i类的平均向量，N_i是第i类的样本数，是第k类的第i样本，加入一个邻接图来使用未标记样本，寻找一个最优的投影矩阵w，将数据从不同的类中分离出来，同时使附近的样本更加接近,因此，半监督判别分析的目标函数如下所示:

其中，W是投影矩阵，W^T是投影矩阵的转置，S_b是类间矩阵，S_w是类内矩阵，α是一个权衡参数,构造邻接图来估计样本的内在几何结构,J(w)定义如下：

定义的相应的权矩阵G:

其中，N_k(x_j)表示x_j的k近邻集合；

在步骤(5)中核半监督判别分析将原始数据映射到高维核Hilbert空间中，由φ：Rⁿ→F映射在特征空间F中称为映射函数，如：高斯核函数和多项式核在以前的工作中被证明是有用的，设定一个非线性映射函数φ(·)通过N*N核矩阵K＝[K_ij]定义，

则数据矩阵：

φ＝[φ(x₁),φ(x₂),...,φ(x_m)] (15)

那么公式(9)和公式(10)可以改写为：

2.根据权利要求1所述的一种基于GitHub的半监督异构软件缺陷预测方法，其特征在于，所述步骤(1)的具体做法是：

在GitHub上收集数据，所述收集数据包括项目选择、特征提取和清理数据集，所述项目选择包括选择3个语言标记作为关键字，由“most star”排序标记，从排序列表的顶部筛选出20个项目，所述特征提取包括使用“Understand”工具，提取代码度量，所述代码度量为文件静态代码度量，使用Scitools获得代码度量标准，所述清理数据集包括采用人工筛选对缺失值和显著误差值进行筛选。