軟件缺陷預(yù)測技術(shù)通過對軟件歷史數(shù)據(jù)進行分析,利用分類、排序等模型,識別潛在有缺陷的軟件模塊。軟件缺陷預(yù)測模型構(gòu)建過程中,有缺陷樣本數(shù)遠小于無缺陷樣本數(shù),且分布不均勻,存在嚴重的類間不平衡和類內(nèi)不平衡問題,這兩種情況都會對構(gòu)建預(yù)測模型產(chǎn)生負面影響。為了減少數(shù)據(jù)不平衡對預(yù)測模型的影響,在軟件缺陷預(yù)測模型構(gòu)建的四個階段都存在相應(yīng)的方法對數(shù)據(jù)不平衡進行修正,包括數(shù)據(jù)采樣、特征提取、分類器優(yōu)化以及評價標(biāo)準(zhǔn)。其中數(shù)據(jù)采樣是缺陷預(yù)測模型構(gòu)建的初始階段,在初始階段對數(shù)據(jù)不平衡進行修正可直接減小后續(xù)階段執(zhí)行的復(fù)雜度。處理類不平衡問題的常用數(shù)據(jù)采樣方法通過調(diào)整樣本的數(shù)量達到類間平衡,但分布通常遵循原有分布,類內(nèi)平衡沒有改善。本文針對樣本分布,提出一種軟件缺陷預(yù)測類不平衡數(shù)據(jù)生成方法,根據(jù)樣本特征空間中分布情況進行聚類劃分,對劃分后的子區(qū)域依據(jù)不同分布情況采用不同策略進行有缺陷樣本數(shù)據(jù)合成,通過增加數(shù)量達到有缺陷和無缺陷樣本類間平衡,通過不同區(qū)域數(shù)據(jù)生成密度的不同改善有缺陷樣本類內(nèi)分布。為了驗證本文方法的有效性,本文在9個已公開缺陷預(yù)測數(shù)據(jù)集上進行了實驗,對比了本文方法與現(xiàn)有數(shù)據(jù)生成方法,并在不同分類算法下... 

【文章來源】：北京化工大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１軟件缺陷預(yù)測過程??Ｆｉ．?１－１?Ｓｏｆｔｗａｒｅ?Ｄｅｆｅｃｔ?Ｐｒｅｄｉｃｔｉｏｎ?Ｐｒｏｃｅｓｓ??

不平衡問題下的軟件缺陷預(yù)測??數(shù)據(jù)不平衡包括類間不平衡和類內(nèi)不平衡問題。實際的軟件數(shù)據(jù)集內(nèi)有缺陷樣本??數(shù)遠小于無缺陷樣本數(shù)，存在類間不平衡。數(shù)據(jù)集內(nèi)有缺陷樣本分布不均勻，有缺陷??樣本可以被劃分為多個子簇，且子簇間的樣本數(shù)量差距很大，存在類內(nèi)不平衡。本章??將對類間不平衡問題和類內(nèi)不平衡問題進行介紹，并介紹在數(shù)據(jù)不平衡問題下的現(xiàn)有??研宄。本章詳細介紹了幾種基于數(shù)據(jù)采樣的不平衡數(shù)據(jù)處理方法。??２．?１類間不平衡與類內(nèi)不平衡??類間不平衡是指數(shù)據(jù)集內(nèi)不同類別的樣本數(shù)量相差很大，如圖２－ｌ（ａ）所示，黑色??五角星代表的樣本數(shù)量遠小于圓形樣本的數(shù)量，可以稱黑色五角星為少數(shù)類樣本，圓??形為多數(shù)類樣本，這兩類樣本數(shù)量差距很大，屬于類間不平衡。在實際問題中，少數(shù)??類樣本往往是關(guān)注的重點，需要較高的分類準(zhǔn)確率。但是大多分類算法是基于數(shù)據(jù)分??布平衡設(shè)計的，分類器在分類時會更傾向于多數(shù)類樣本，使大量少數(shù)類樣本被誤分，??造成分類結(jié)果的不準(zhǔn)確。??，Ｂ；?Ｇ？ｍｎｉｌ?Ｍｉｎｏｒｉｔｙ?Ｃｉａ？＊??ｆ，?ｔ??（ａ）?（ｂ）??圖２－１數(shù)據(jù)不平衡情況示意圖??Ｆｉｇ．?２－１?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｉｍｂａｌａｎｃｅ?ｄａｔａ??類內(nèi)不平衡是指數(shù)據(jù)集內(nèi)某一類的樣本分布不均勻，這類樣本可以劃分出多個子??簇，每個子簇的樣本數(shù)量相差較大。如圖２－１所示，Ａ代表圓形類中數(shù)量較多的子類??集合、Ｄ代表圓形類中數(shù)量較少的子類集合、Ｂ代表五角星中數(shù)量較多的子類集合、??Ｃ代表五角星中數(shù)量較少的子類集合，可以看出無論是圓形類還是五角星類都存在類??內(nèi)不平衡。類內(nèi)不平衡可能引起小析取問題，即分類器通過創(chuàng)建規(guī)則來

。??因此，類間不平衡問題和類內(nèi)不平衡問題都會影響分類結(jié)果的準(zhǔn)確性。??２．?２數(shù)據(jù)不平衡問題下的軟件缺陷預(yù)測模型??軟件缺陷預(yù)測中有缺陷的樣本數(shù)量遠遠小于無缺陷的樣本數(shù)量，存在類間不平衡??問題；數(shù)據(jù)集中的有缺陷樣本內(nèi)部分布不均勻，存在類內(nèi)不平衡問題，這兩種類不平??衡將嚴重影響分類預(yù)測的結(jié)果。??無缺陷?無缺陷?有缺陷?有缺陷??／＝＝＝？］?介?卜?ｐｒ??＾＾?無缺陷??原始數(shù)據(jù)粢＂＂?數(shù)據(jù)采樣?｜?特征選擇￣?｜?分類器優(yōu)化￣?評價標(biāo)準(zhǔn)??圖２－２不平衡數(shù)據(jù)下軟件缺陷預(yù)測模型??Ｆｉｇ．２－２?Ｄｅｆｅｃｔ?ｐｒｅｄｉｃｔｉｏｎ?ｍｏｄｅｌ?ｂａｓｅｄ?ｏｎ?ｕｎｂａｌａｎｃｅｄ?ｄａｔａ??目前研宄熱點主要在于如何在構(gòu)建缺陷預(yù)測模型階段減弱不平衡數(shù)據(jù)帶來的影??響。圖２－２描繪了軟件缺陷預(yù)測模型在四個主要構(gòu)建階段對不平衡數(shù)據(jù)進行的處理。??面對無缺陷樣本多于有缺陷樣本，第一階段數(shù)據(jù)采樣階段希望通過增加或減少樣本數(shù)??而使數(shù)據(jù)集達到平衡，即有缺陷樣本數(shù)與無缺陷樣本數(shù)相差不大；第二階段特征選擇??則是結(jié)合特征選擇算法，從己有特征中選取更有利于將有缺陷樣本分出的特征，一方??面刪除無用特征，一方面對高維特征進行降維，減少計算成本；第三階段為分類器優(yōu)??化階段，許多機器學(xué)習(xí)算法被引入軟件缺陷預(yù)測問題中來，但是單一種類的分類器在??不同數(shù)據(jù)分布下的表現(xiàn)程度不同，特別是在不平衡數(shù)據(jù)下，大部分分類器表現(xiàn)不佳，??因此需要優(yōu)化分類器以實現(xiàn)對不平衡數(shù)據(jù)的良好分類；第四階段為評價標(biāo)準(zhǔn)，機器學(xué)??習(xí)中最為常用的評價標(biāo)準(zhǔn)就是分類準(zhǔn)確率，在面對不平衡問題時，如果僅以分類準(zhǔn)確??率作為評價標(biāo)準(zhǔn)，即使將有


本文編號：3230582