[发明专利]面向软件缺陷数据的特征选择及分类方法

摘要

本发明公开了一种面向软件缺陷数据的特征选择及分类方法，可用于指导软件缺陷数据分类的整个过程，包括以下步骤：A.从软件数据集中获取数据，对数据进行预处理，包括对数据做标签处理和根据已有经验知识将软件特征分成三类；B.根据互信息理论，计算出与类别相关性最大，特征间相关性最小的特征，将其加入最优软件特征集；C.对选择出的软件特征作用于分类器，且按分类效果进行升序排列；D.利用二维循环级联Adaboost以及最优特征子集对软件模块进行缺陷预测，及时准确地剔除无缺陷的样本，从而减少运算时间。本发明克服软件缺陷数据的不平衡性，及时剔除多数类以平衡数据集，以此减少运行时间，提高运算效率。

主权项

面向软件缺陷数据的特征选择及分类方法，其特征在于，主要包括以下三个步骤：A.从软件数据集中获取数据，对数据进行预处理(1)数据包括软件特征集、软件模块；将软件模块数据分为训练集和测试集以备训练和测试；本发明采用十次交叉验证，将数据集分成十份，其中九份做训练，一份做准确度测试；并将数据做标签处理；(2)根据已有知识将特征集分类，得到三个特征集，分别是LOC类，McCabe类和Halstead类；B.根据互信息理论获得最优软件特征集(1)根据互信息理论计算出三个特征集中每个特征f_i与类y₁和y₂的相关性，根据相关性大小按降序排列，三个特征集中只取相关性排名前50％的特征，得到三个筛减后的特征子集；(2)分别计算三个筛减后的特征子集中各个特征间的相关性，去除与排名前30％的特征相关性大的特征，保证最终的最优特征子集为S，大小为t且S＝{L，M，H}；C.对选择出的软件特征按分类效果进行排序(1)将得到的最优特征，依次输入SVM并对其进行训练；(2)将训练好的分类模型作用于测试集，得到分类结果后，根据Gmeans值的大小对软件特征进行从小到大排序，按顺序依次取每类特征的一个元素，组成最优特征子集的三元组，记为(l，h，m)，则最优特征子集S可表示为：S＝{(l，h，m)|l∈L，h∈H，m∈M}；D.利用二维循环级联Adaboost以及特征集S对软件模块进行分类(1)设定级联结构为五级，每一级均为Adaboost分类器；每个Adaboost分类器由若干个弱分类器(分类错误率<0.5)加权集成；(2)从S中挑选出第一个特征三元组(l，h，m)，该三元组中的三个元素的Gmeans值在S中最小；输入该特征三元组，进行第一级分类；被识别为有缺陷的样本直接进入下一级，被识别为无缺陷的样本则进入本级的循环结构进行二次判别；若二次判别中该样本有一次被识别为有缺陷，则进入下一级循环，否则，则舍弃该样本；(3)第二级判别则从S中取出排名第二、第三的特征三元组，进行上述操作；依次类推，直至第五级，采用五个特征三元组；最终得到分类结果。