【摘要】：軟件缺陷預(yù)測是軟件測試領(lǐng)域的一個研究熱點,它能夠指導(dǎo)測試人員分配有限的測試資源,優(yōu)先用于有缺陷傾向的模塊,從而在節(jié)約成本的同時盡可能多的發(fā)現(xiàn)錯誤,保證軟件的質(zhì)量。本文針對軟件缺陷預(yù)測做了以下研究:首先,對于數(shù)據(jù)集類不平衡和支持向量機參數(shù)選擇這兩個問題是分開進行解決的。本文提出了同步解決這兩個問題的思路,旨在得到在有限的測試資源內(nèi)缺陷檢出率更多的軟件缺陷預(yù)測模型。本文我們提出了基于支持向量機的混合多目標(biāo)布谷鳥欠采樣軟件缺陷預(yù)測模型,將缺陷檢出率與缺陷誤報率作為算法的目標(biāo),采用混合多目標(biāo)布谷鳥算法同時對無缺陷模塊與支持向量機參數(shù)同步選擇,并針對無缺陷模塊選擇的決策區(qū)域范圍提出了三種策略。其中三種策略分別為:(1)從所有的無缺陷模塊中選取需要的模塊;(2)采用K-means算法對無缺陷模塊進行聚類處理,從每個簇內(nèi)選擇的無缺陷模塊數(shù)始終等于每個簇內(nèi)無缺陷模塊占總模塊數(shù)量的比例;(3)采用K-means算法對無缺陷模塊進行處理,從模塊數(shù)最多的簇內(nèi)選擇所需要的模塊。為了驗證同步解決兩個問題的缺陷預(yù)測模型性能,選擇公開數(shù)據(jù)庫Promise中的8組數(shù)據(jù),并與8個缺陷預(yù)測模型進行比較,結(jié)果表明我們所提的方法策略三是有效的。其次,分析經(jīng)典過采樣算法SMOTE的不足,提出了基于支持向量機的過采樣軟件缺陷預(yù)測模型,基本思想為采用混合多目標(biāo)算法同時對SMOTE中的近鄰插值數(shù)和支持向量機參數(shù)進行優(yōu)化。實驗表明,所提模型能有效解決SMOTE算法的不足,同時有效的提高了軟件缺陷預(yù)測模型的預(yù)測能力。最后,針對跨項目軟件缺陷預(yù)測中數(shù)據(jù)的分布不一致和數(shù)據(jù)集類不平衡這兩個問題,提出了一種三階段數(shù)據(jù)選擇的跨項目軟件缺陷預(yù)測模型。從軟件項目的選擇、實例模塊的選擇、不平衡三個階段構(gòu)建了跨項目的軟件缺陷預(yù)測模型。在軟件項目選擇階段,提出了混合相似性度量選擇軟件項目;在實例模塊選擇階段,采用Burak過濾法進行選擇;在數(shù)據(jù)不平衡階段,采用前邊所提的采樣方法構(gòu)建軟件缺陷預(yù)測模型。實驗結(jié)果表明,所提的兩種模型相比現(xiàn)有的其它七種跨項目軟件缺陷預(yù)測模型性能有一定的提高。
【圖文】：

圖 2.6 缺陷預(yù)測算法在不平衡數(shù)據(jù)集上關(guān)于 pd 的折線圖Fig 2.6 Comparison results of pd on various software defect prediction

圖 2.7 缺陷預(yù)測算法在不平衡數(shù)據(jù)集上關(guān)于 pf 的折線圖Fig 2.7 Comparison results of pf on various software defect prediction上所述，，HMOCS-US-SVM 獲得了較高的缺陷檢出率（pd）和較低的缺陷因此對于高風(fēng)險軟件和資源較少的軟件，HMOCS-US-SVM 模型均比較
【學(xué)位授予單位】：太原科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP311.53

【參考文獻】

相關(guān)期刊論文 前3條

1 陸海洋;荊曉遠;董西偉;劉茜;;基于代價敏感學(xué)習(xí)的軟件缺陷預(yù)測方法[J];計算機技術(shù)與發(fā)展;2015年11期

2 姜慧研;宗茂;劉相瑩;;基于ACO-SVM的軟件缺陷預(yù)測模型的研究[J];計算機學(xué)報;2011年06期

3 崔正斌;湯光明;樂峰;;遺傳優(yōu)化支持向量機的軟件可靠性預(yù)測模型[J];計算機工程與應(yīng)用;2009年36期

本文編號：2636768