[发明专利]一种基于数据欠采样和集成学习的软件缺陷数目预测方法

摘要

本发明针对软件缺陷数据集中数据极度不平衡会降低软件缺陷数目预测模型的性能的问题，提出了一种基于数据欠采样和集成学习的软件缺陷数目预测方法。本发明设计了合理的不平衡数据处理策略，首先利用随机欠采样技术通过删除缺陷数据集中缺陷数目为零的软件模块得到相对平衡的新数据集，然后利用相对平衡的缺陷数据集训练出若干个弱的软件缺陷数目预测模型，最后集成这些弱的软件缺陷数目预测模型来预测待预测的软件模块的缺陷数目。本发明的技术方案既能够解决缺陷数据集中数据不平衡的问题，又能够结合多个弱的预测模型来提高软件缺陷数目预测模型的性能。

主权项

1.一种基于数据欠采样和集成学习的软件缺陷数目预测方法，其特征是，包括以下步骤：/n步骤1，挖掘软件历史数据，从中抽取出有用的软件模块；软件模块粒度根据实际应用场景，设置为文件、包、类或函数；然后标记这些软件模块的缺陷数目；/n步骤2，提取软件模块中与软件缺陷有关的特征，提取了19个特征：加权方法数wmc，继承树深度dit，孩子数noc，对象类之间的耦合度cbo，类的响应rfc，内聚缺乏度lcom，传入耦合ca，传出耦合ce，公开方法数npm，代码行数loc，数据访问度量dam，聚合度量moa，功能抽象度量mfa，方法间的内聚度cam，继承耦合ic，方法间耦合cbm，平均方法复杂度amc，最大McCabe环形复杂度max_cc，平均McCabe环形复杂度avg_cc；/n抽取了n个软件模块后，形成了包含有n个软件模块数据的软件缺陷数据集S，每个软件模块数据由一个19维的特征向量和该模块的缺陷数目组成；这n个软件模块中，第i个软件模块表示为M