[发明专利]基于强化混合专家模型的跨项目软件缺陷预测方法

权利要求书

1.基于强化混合专家模型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，提取跨项目软件模块数据，首先抽取跨项目软件模块的历史数据，然后提取跨项目软件模块的度量特征，最后标注所有跨项目软件模块的缺陷属性；

步骤2，提取跨项目软件模块数据中的全局信息，首先对所有跨项目软件模块数据进行k均值聚类，将全局数据划分为多个子集，然后基于所有跨项目软件模块数据，全局训练随机森林；

步骤3，基于划分得到的不同簇，迭代执行预专家模型的分配和强化，提取跨项目软件模块数据中的局部信息，首先使用基于准确率作为阈值的分配方法为每个子集分配预专家模型，然后利用每个子集中的数据通过调整节点特征的顺序和重新计算重排特征下的切割分数优化其对应的预专家模型，然后针对任意样本，分别计算其属于每个预专家模型的概率η，根据所有η值的大小，将样本重新分配到计算出的η值最大的预专家模型对应的子集中，最后重复执行预专家模型的强化与重构过程，直到模型的性能最优；

步骤4，根据迭代重构后的子集划分结果训练门控网络，使用硬选通策略组合优化好的预专家模型构成完整的强化混合专家模型；

步骤5，用训练得到的强化混合专家模型预测本项目软件模块是否存在缺陷。

2.根据权利要求1所述的基于强化混合专家模型的跨项目软件缺陷预测方法，其特征在于：步骤3中基于准确率作为阈值的分配方法为：采用平均加权策略，将分类精度大于阈值θ_j的树模型组合成关于D_j的预专家模型，记为M_j，预专家模型M_j的评选标准如下：

其中θ_j是训练好的随机森林在子集D_j上的准确率，作为属于子集D_j的预专家模型的选择阈值。

3.根据权利要求1所述的基于强化混合专家模型的跨项目软件缺陷预测方法，其特征在于：步骤3中基于分类效果的分配方法为：针对任意样本，分别计算其属于每个预专家模型的概率η，根据所有η值的大小，将样本重新分配到计算出的η值最大的预专家模型对应的子集中，其中样本i属于预专家模型M_j的概率η_ij的计算公式如下：