基于改進(jìn)隨機(jī)森林的軟件故障預(yù)測(cè)模型研究.pdf

1、在軟件開發(fā)過程中，準(zhǔn)確地預(yù)測(cè)有故障傾向的軟件模塊可以幫助測(cè)試人員以及開發(fā)人員高效地發(fā)現(xiàn)軟件故障。對(duì)于大型系統(tǒng)，軟件故障預(yù)測(cè)就更加重要，因?yàn)樗軌驇椭_發(fā)人員在開發(fā)過程中將精力和資源集中使用在容易出現(xiàn)故障的模塊，從而更合理地分配資源。
　　目前軟件故障預(yù)測(cè)模型主要是通過機(jī)器學(xué)習(xí)算法來(lái)構(gòu)建的，軟件故障預(yù)測(cè)主要是根據(jù)軟件質(zhì)量屬性以及軟件的歷史故障數(shù)據(jù)來(lái)對(duì)被測(cè)系統(tǒng)的軟件模塊進(jìn)行故障預(yù)測(cè)。本文首先對(duì)軟件質(zhì)量屬性進(jìn)行了研究，包括方法級(jí)屬性集合

2、 McCabe和Halstead，面向?qū)ο?OO)屬性集合。本文提出的軟件故障預(yù)測(cè)模型采用方法集屬性與面向?qū)ο髮傩韵嘟Y(jié)合的方法對(duì)軟件進(jìn)行度量。針對(duì)軟件故障數(shù)據(jù)的不平衡性問題，本文提出了一種改進(jìn)的隨機(jī)森林算法，在對(duì)模型進(jìn)行訓(xùn)練前首先對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行平衡化處理，以減少訓(xùn)練數(shù)據(jù)對(duì)模型準(zhǔn)確度的影響，模型生成后在保證預(yù)測(cè)準(zhǔn)確率較高的情況下精簡(jiǎn)模型，提高預(yù)測(cè)效率。應(yīng)用本文提出的算法對(duì) Eclipse中的數(shù)據(jù)進(jìn)行處理，實(shí)驗(yàn)表明本文提出的改進(jìn)算法性能高