基于遷移學(xué)習(xí)的跨項目軟件缺陷預(yù)測.pdf

1、缺陷預(yù)測技術(shù)被廣泛運用于軟件開發(fā)過程提前發(fā)現(xiàn)與鎖定軟件缺陷，但是由于數(shù)據(jù)集的缺乏使得項目初期的缺陷預(yù)測遇到冷啟動的問題，無法構(gòu)建一個有效的預(yù)測模型。一種可能的解決方法是使用其他項目數(shù)據(jù)建立預(yù)測模型，預(yù)測目標(biāo)項目的軟件缺陷?？珥椖寇浖毕蓊A(yù)測不僅有利于解決項目初期缺乏數(shù)據(jù)集的問題，而且能減少創(chuàng)建和提取特征所花費的時間與代價，并能從各類相似項目中獲得目標(biāo)項目所忽視的特征信息。然而，跨項目缺陷預(yù)測技術(shù)仍然處于初期，項目差異性是導(dǎo)致其預(yù)測準(zhǔn)確率

2、降低的重要原因。本文從項目差異性問題出發(fā)，基于遷移學(xué)習(xí)，從數(shù)據(jù)集優(yōu)化、特征選擇、預(yù)測算法等角度，研究提出了跨項目缺陷預(yù)測統(tǒng)一框架和兩種較高精度的跨項目缺陷預(yù)測方法。
　　本文首先提出一個跨項目缺陷預(yù)測總體框架?？蚣芤阅繕?biāo)項目數(shù)據(jù)樣本和其他項目數(shù)據(jù)集為基礎(chǔ)，通過遷移學(xué)習(xí)，進(jìn)行跨項目缺陷預(yù)測建模，構(gòu)建預(yù)測模型，并最終對目標(biāo)項目進(jìn)行有效的缺陷預(yù)測。接著，本文分別采用特征遷移和實例遷移技術(shù)，提出了兩種基于遷移學(xué)習(xí)的跨項目缺陷預(yù)測建模的方法

3、。
　　方法1為基于特征遷移的跨項目缺陷預(yù)測方案評估與模型訓(xùn)練（TrSchemaEval），它基于部分目標(biāo)數(shù)據(jù)集樣本篩選和遷移其他項目訓(xùn)練集；逐一檢驗不同的預(yù)測方案，選擇最佳的特征選擇算法和預(yù)測算法；基于篩選遷移的訓(xùn)練集和評估得出的預(yù)測方案，訓(xùn)練并建立跨項目缺陷預(yù)測模型。
　　方法2為基于實例遷移的跨項目缺陷預(yù)測模型訓(xùn)練，在現(xiàn)有TrAdaBoost算法基礎(chǔ)上，本文進(jìn)行了多源適應(yīng)性改進(jìn)，提出了兩種預(yù)測模型訓(xùn)練算法――Merge

4、TrAdaBoost和MultiTrAdaBoost。其中，MergeTrAdaBoost引入篩選概念，減少無關(guān)聯(lián)數(shù)據(jù)量，并提高訓(xùn)練的效率；MultiTrAdaBoost利用多次迭代，訓(xùn)練自適應(yīng)單源單目標(biāo)模型并整合成一個強分類模型。
　　最后，為了驗證基于遷移學(xué)習(xí)的跨項目軟件缺陷預(yù)測框架和方法的有效性，本文進(jìn)行了一系列實驗。實驗一，將 TrSchemaEval方法與項目內(nèi)缺陷預(yù)測進(jìn)行對比。實驗結(jié)果表明 TrSchemaEval方法