[发明专利]一种跨项目软件缺陷预测方法及系统

说明书

本发明公开了一种跨项目软件缺陷预测方法及系统，其中跨项目软件缺陷预测方法包括以下步骤：对待测软件的目标项目数据以及多个不同的候选的其他软件的源项目数据分别进行归一化处理；利用最大均值差异法，分别测量目标项目数据与每个源项目数据之间的数据分布的相似性；选择与目标项目数据分布相似的源项目数据，并利用分类器算法构建跨项目缺陷预测模型；根据所构建的跨项目缺陷预测模型对待测软件的目标项目数据进行预测，判断目标项目数据是否存在缺陷。本发明通过利用最大均值差异法选取到与目标数据项目的数据分布相似性高的源项目数据，使得所构建的跨项目预测模型的缺陷识别性能高。

技术领域

本发明涉及软件缺陷预测技术领域，具体为一种跨项目软件缺陷预测方法及系统。

背景技术

软件缺陷预测是软件质量保障中的关键技术之一，其动机是通过一些经济高效的技术，发现软件中存在的缺陷，保障软件产品的质量与可靠性。随着信息技术的快速发展，计算机软件在互联网通信、教育培训、科学计算、电子商务、金融投资、智能家居等诸多重要领域广泛应用。软件技术已经深入到人们生活的方方面面，然而在软件开发过程中，不可避免的会产生软件缺陷，尽可能早的发现这些缺陷并将其修复，对软件后期的开发及维护具有极其重要的作用。这就使得软件缺陷预测技术在识别软件产品缺陷中具有广阔的应用前景。

跨项目缺陷预测是指它利用其它软件项目(源项目)的充足历史缺陷数据构建预测模型，为待测软件项目(目标项目)的数据进行缺陷预测。当目标项目是一个新开发的软件项目或缺少历史缺陷数据，便可采用跨项目缺陷预测。由于源项目与目标项目之间通常存在差异性，导致它们的数据分布不一致，在进行跨项目预测建模时，目标项目会面临源项目数据的负迁移问题。

通过选择与目标项目数据相似的源项目，可有效地减小源项目数据对目标项目数据负迁移的影响。近年来，研究者提出了一些源数据选择方法。一部分研究工作根据建立模型的缺陷预测性能来选择源项目数据，然而该方法需要遍历所有项目，以发现对其它项目产生最佳预测的项目作为源，在此过程中需要一部分目标数据标签进行模型测试，这将限制该方法在实践中的应用。另一部分研究工作采用距离或相关性度量来选择源项目数据，然而这类方法仅仅以距离或相关性进行度量，忽略了数据的分布，难以准确地识别出两个数据集的分布相似性，特别是在高维数据的情况下，使用距离或相关性的作用会越小。

发明内容

本发明提出了一种跨项目软件缺陷预测方法及系统，本发明采用最大均值差异算法通过测量源与目标项目数据之间的分布相似性来选择源项目，并根据所选的源项目建立跨项目缺陷预测模型，使得所构建的具有较高的缺陷识别性能，有助于更好地保障软件产品的质量与可靠性。

本发明提供了一种跨项目软件缺陷预测方法，包括以下步骤：

对待测软件的目标项目数据以及多个不同的候选的其他软件的源项目数据分别进行归一化处理；

利用最大均值差异法，分别测量目标项目数据与每个源项目数据之间的数据分布的相似性；

根据目标项目数据与每个源项目数据之间的数据分布的相似性，选择与目标项目数据分布相似的源项目数据；

利用分类器算法，并根据所选择的源项目数据，构建跨项目缺陷预测模型；

根据所构建的跨项目缺陷预测模型对待测软件的目标项目数据进行预测，判断目标项目数据是否存在缺陷。

进一步地，所述目标项目数据为待测的软件项目的实际运行数据；

所述源项目数据为其他软件项目的历史缺陷数据；

所述实际运行数据及历史缺陷数据均为软件实体数据，所述软件实体数据为从软件程序代码中抽取的实例模块。

进一步地，所述归一化处理的方法为z-score法，其计算方法如下：