[发明专利]一种软件缺陷预测方法

权利要求书

1.一种软件缺陷预测方法，其特征在于，包括以下步骤：

步骤1：数据预处理

步骤1-1：软件缺陷样本数据采集；

步骤1-2：对采集到的样本数据进行清理，形成信息决策表S∈U,C_RS∪D,其中，U为论域，表示全体样本，C_RS为条件属性集，D为决策属性集；

步骤1-3：采用等频率间隔划分方法对信息决策表SU,C_RS∪D进行离散化处理；

步骤1-4：采用粗糙集约简的算法对全体样本U进行属性约简得到样本集；

步骤2：对属性约简后的样本集进行归一化，并将样本集划分为训练样本集和测试样本集两部分；

步骤3：利用基于粒距动态改变惯性权重ω的改进粒子群算法搜索支持向量机模型的最优参数组合(C，σ)，其中C为支持向量机的惩罚因子，σ为支持向量机的核参数；

步骤4：基于最优参数组合(C，σ)重新建立并训练支持向量机模型；

步骤5：对测试样本进行预测。

2.根据权利要求1所述的一种软件缺陷预测方法，其特征在于，所述步骤1-2中，对样本数据进行清理具体如下：对不平衡数据和脏数据预处理，删除全体样本中的“重复数据”和“矛盾数据”，信息决策表SU,C_RS∪D是由随机提取的50％的有缺陷样本和50％的无缺陷样本组成。

3.根据权利要求1或2所述的一种软件缺陷预测方法，其特征在于，所述步骤1-3中等频率间隔划分方法具体是：将所有M个属性值按照顺序排列，然后划分成K个区间段，每个区间段包含属性的个数为M/K个。

4.根据权利要求1或2所述的一种软件缺陷预测方法，其特征在于，所述步骤1-4中，采用粗糙集约简的算法对全体样本U进行属性约简具体如下：

由式I(B,D)＝H(D)-H(D|B),I(α_PSO,D|B)＝H(D|B)-H(D|B∪{α_PSO})求得然后令B＝B∪{β}，重复直到I(B,D)＝I(C_RS,D)，此时B就是所求信息决策表SU,C_RS∪D的一个约简；

式中：B为初始值是信息决策表SU,C_RS∪D中C_RS关于D的核；

α_PSO∈C_RS\B，H(Q|P)为知识Q相对于知识P的条件熵；

α_PSO为C_RS\B的子集。

5.根据权利要求4所述的一种软件缺陷预测方法，其特征在于，所述步骤2中对样本集进行归一化，利用公式(1)归一化到[-1,1]区间：

x′＝(x_i-x_min)/(x_max-x_min) (1)

式中：x′是归一化后的数据；

x_i是原始数据的输入特征；

x_max和x_min分别是原始数据输入特征的最大值和最小值。