[发明专利]一种基于采样和集成学习的软件缺陷预测方法

说明书

本发明涉及一种基于采样和集成学习的软件缺陷预测方法，针对类不平衡问题，融合SVM SMOTE、超限学习机和随机森林的优点，主要有三个阶段，首先判断数据集是否存在类不平衡问题，如果存在，对其进行SVM SMOTE采样生成新的训练集；其次，基于类平衡的数据集，构建超限学习机分类器和随机森林分类器，并基于这两种分类器的预测结果进行预测；最终判断待测的软件模块是否存在缺陷；设计中考虑了训练集类平衡的情况，较好地融合了超限学习机和随机森林的优点，与单一的超限学习机分类器和随机森林分类器相比，预测性能大幅提高；并且整个算法结构简单，时间复杂度较低。

技术领域

本发明涉及一种基于采样和集成学习的软件缺陷预测方法，属于软件测试技术领域。

背景技术

截至2020年6月，我国网民数量为9.4亿，与2015年相比增加了2.5亿，互联网普 及率为67.0％，这些数字表明使用软件产品的群体已成规模并日渐增加；截至2020年8月 底，国内市场上监测到了351万款移动App，这些App实现了衣食住行娱全场景覆盖，此 数据说明了软件的庞大规模和其品类繁多，进而表明其应用广泛。当前，基于5G、人工智 能、大数据等新技术的互联网产业应用愈发成熟，因而更多的人正享受着更多的互联网发 展红利。

当今社会，我们强烈依赖软件产品，因而，保证软件产品的质量就显得至关重要。由 于软件本身是一种逻辑实体，并且软件产品开发过程中往往涉及人员、技术、管理及成本 等多方面，缺陷往往难以避免。缺陷产生的原因可能是需求规格说明书问题、团队协作问 题、技术方面问题和未考虑复杂应用场景。缺陷的存在会导致严重的后果，轻则影响软件 质量，重则威胁到人们的生命财产安全。

软件缺陷预测是借助软件产品的一些属性来预测所属模块中的缺陷，这些属性可以是 软件规模及复杂度、软件的开发方法及过程等基本属性。软件缺陷预测有动态和静态两种 方法，静态软件缺陷预测技术基于己有的历史数据构建预测模型，紧接着，应用缺陷预测 模型来判断待测软件模块中是否存在缺陷。在测试成本有限的情况下，先关注被预测为有 缺陷倾向性的模块，这样做可以提高测试资源的利用效率，从而在一定程度上保证了软件 质量。

目前，类不平衡问题是软件缺陷预测的难点之一，测试数据集影响着最终测试模型的 应用准确度，因此数据集中的类不平衡问题关系着软件缺陷测试。

发明内容

本发明所要解决的技术问题是提供一种基于采样和集成学习的软件缺陷预测方法，针 对类不平衡问题，融合多种技术的优点，实现对目标待测实例的缺陷预测。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于采样和集成 学习的软件缺陷预测方法，用于针对目标版本软件项目中的目标待测实例进行缺陷预测， 包括如下步骤：

步骤A.以目标版本软件项目中已明确是否存在缺陷的各个实例作为各个样本实例， 并基于各样本实例分别对应预设各类型数据的特征向量、以及各样本实例分别为有缺陷类 别样本实例或无缺陷类别样本实例，构建样本数据集，然后进入步骤B；

步骤B.根据样本数据集中无缺陷类别样本实例数与有缺陷类别样本实例数的比值， 作为样本数据集所对应的不平衡率值，并判断该不平衡率值是否大于1，是则进入步骤C； 否则进入步骤D；

步骤C.针对样本数据集执行有缺陷类别样本实例的扩容，更新样本数据集，然后进 入步骤D；

步骤D.应用样本数据集，以样本实例所对应预设各类型数据的特征向量为输入，样 本实例分别对应有缺陷类别、无缺陷类别的概率为输出，分别针对至少两个分类器进行训 练，获得各个预测模型，并应用各个预测模型分别针对目标待测实例进行处理，获得目标 待测实例在各预测模型下分别对应有缺陷类别、无缺陷类别的概率，然后进入步骤E；