基于流形學(xué)習(xí)的軟件缺陷預(yù)測(cè)方法研究.pdf

1、　　隨著軟件產(chǎn)業(yè)的迅速發(fā)展，為了保證軟件的質(zhì)量，軟件開發(fā)人員需要快速、準(zhǔn)確地獲取各種缺陷信息，及時(shí)發(fā)現(xiàn)并修改缺陷。軟件度量數(shù)據(jù)是需要獲取的重要軟件預(yù)測(cè)信息之一，且它是典型的海量高維非線性數(shù)據(jù)。目前存在的軟件缺陷預(yù)測(cè)方法都是在原始度量數(shù)據(jù)的基礎(chǔ)上進(jìn)行建模和預(yù)測(cè)工作，受到分類器和數(shù)據(jù)規(guī)模的限制，其預(yù)測(cè)精度和執(zhí)行速度都不是特別理想。尤其是在有缺陷傾向的軟件模塊的預(yù)測(cè)精度和召回率上的表現(xiàn)不佳。而流形學(xué)習(xí)對(duì)處理這類數(shù)據(jù)有獨(dú)特的優(yōu)勢(shì)，能夠較好的發(fā)現(xiàn)

2、隱藏在其中的非線性流形。本文主要研究了基于流形學(xué)習(xí)的軟件缺陷預(yù)測(cè)算法及其在軟件質(zhì)量預(yù)測(cè)中的應(yīng)用。主要研究?jī)?nèi)容包括以下幾個(gè)方面：
　　1)分析了現(xiàn)有缺陷預(yù)測(cè)方法中的有缺陷傾向模塊的查準(zhǔn)率和召回率低的問題，在軟件缺陷預(yù)測(cè)技術(shù)中引入了流形學(xué)習(xí)方法，探討了將流形學(xué)習(xí)應(yīng)用在軟件缺陷預(yù)測(cè)領(lǐng)域的意義。
　　2)針對(duì)現(xiàn)有預(yù)測(cè)方法中存在的相關(guān)問題，提出了一種基于流形學(xué)習(xí)的軟件缺陷預(yù)測(cè)方法，該方法將流形學(xué)習(xí)與分類算法結(jié)合起來(lái)，首先利用流形學(xué)

3、習(xí)算法對(duì)軟件度量數(shù)據(jù)提取特征，然后利用分類算法對(duì)得到了低維數(shù)據(jù)進(jìn)行預(yù)測(cè)。
　　3)在NASA軟件度量數(shù)據(jù)集上，對(duì)所提出的方法進(jìn)行了測(cè)試，比較了降維前后的預(yù)測(cè)結(jié)果。實(shí)驗(yàn)中，流形學(xué)習(xí)算法采用ISOMAP、LLE和LE算法，分類算法采用K近鄰、支持向量機(jī)和樸素貝葉斯算法。實(shí)驗(yàn)結(jié)果表明，基于流形學(xué)習(xí)的軟件缺陷預(yù)測(cè)方法與直接利用分類算法進(jìn)行預(yù)測(cè)相比，預(yù)測(cè)精度和執(zhí)行效率都有了較高的提高，尤其是有缺陷傾向的軟件模塊的查準(zhǔn)率和召回率得到了較大的