[发明专利]一种基于分层数据筛选的跨项目软件缺陷预测方法

权利要求书

1.一种基于分层数据筛选的跨项目软件缺陷预测方法，其特征在于：

包括以下步骤：

步骤1：从软件缺陷数据集中选择训练集和测试集，并且对所有项目集数据进行log变换；训练集即源项目集，测试集即目标项目集；

步骤2：提取所有项目属性的分布特征向量和项目分布向量，计算源项目与目标项目之间的相似度，选择与目标项目最相似的k个源项目集得到候选源项目集；

步骤3：合并k个候选源项目集，计算源项目中所有实例与目标项目实例相关程度，选择与目标项目中实例相关程度最高的h个实例得到候选实例集；

步骤4：使用候选实例集训练朴素贝叶斯模型；

步骤5：使用测试数据集测试预测模型；

步骤6：对提出的方法进行显著性检验，看该方法是否明显区别于其他方法。

2.根据权利要求1所述的一种基于分层数据筛选的跨项目软件缺陷预测方法，其特征在于：所述步骤1中采用下式(1)对所有项目集数据进行log变换：

y＝ln(1+x) (1)

式中x表示变换前的项目内各个属性数据，y表示变换后的数据。如原数据存在0值，则变换后数据值为1。

3.根据权利要求1所述的一种基于分层数据筛选的跨项目软件缺陷预测方法，其特征在于：所述步骤2中提取的项目属性分布特征向量D_j＝{mean(F_j),median(F_j),skew(F_j),kurt(F_j)}；项目分布向量V＝{D₁,D₂...D_m}；其中D_j表示表示一个软件项目中所有n个实例的第j个度量属性的分布特征，V表示一个项目中所有n个实例的所有m个度量属性的分布特征。

4.根据权利要求1所述的一种基于分层数据筛选的跨项目软件缺陷预测方法，其特征在于：所述步骤2中采用下式(2)计算源项目与目标项目之间的相似度：

式中，D_si表示源项目中属性分布特征向量，D_ti表示目标项目中属性分布特征向量，依据计算结果选出k个相似度最高的候选源项目。

5.根据权利要求1所述的一种基于分层数据筛选的跨项目软件缺陷预测方法，其特征在于：所述步骤3中采用下式(3)计算源项目中所有实例与目标项目中实例之间的相关程度：

式中，Cov(X,Y)为实例X与实例Y的协方差，Var[X]为实例X的方差，Var[Y]为实例Y的方差。

6.根据权利要求1所述的一种基于分层数据筛选的跨项目软件缺陷预测方法，其特征在于：所述步骤5中采用下式(4)对测试数据进行预测：

式中，X＝(x₁,x₂...,x_n),Y∈{0,1}，0表示该软件模块不存在缺陷，1则相反，表示软件模块中有缺陷；

预测结果为一个条件概率值，若P(1|X)P(0|X)，则认为该模块有缺陷。

7.根据权利要求1所述的一种基于分层数据筛选的跨项目软件缺陷预测方法，其特征在于：所述步骤6中采用Wilcoxcon符号秩检验对方法进行显著性检验。