軟件缺陷預(yù)測是一個活躍的研究領(lǐng)域,它尋求有效的方法來預(yù)測給定軟件項目中的缺陷傾向。軟件缺陷預(yù)測技術(shù)通過挖掘源代碼文件和一些開發(fā)文檔,提取相應(yīng)的度量來學(xué)習構(gòu)建預(yù)測模型,然后對新的文件系統(tǒng)進行預(yù)測。往往一個新的文件系統(tǒng)沒有足夠的歷史數(shù)據(jù)來訓(xùn)練模型,跨項目缺陷預(yù)測技術(shù)（Cross-Project Defect Prediction,CPDP）也就應(yīng)運而生,它使用來自同公司的類似項目（源項目）作為訓(xùn)練數(shù)據(jù)建立預(yù)測模型,然后將當前的項目（目標項目）作為測試集預(yù)測模塊中是否有缺陷。然而CPDP的源項目數(shù)據(jù)和目標項目數(shù)據(jù)之間的分布存在差異性,大部分的缺陷數(shù)據(jù)不僅有著復(fù)雜的數(shù)據(jù)結(jié)構(gòu)而且有著顯著的類不平衡的情況,基于以上問題,本文著手研究跨項目的軟件缺陷預(yù)測技術(shù)中的難題,提高預(yù)測模型的預(yù)測性能。首先,提出了一種基于鄰域保留嵌入典型相關(guān)分析的軟件缺陷預(yù)測方法（NPE-CCA）。該方法先根據(jù)數(shù)據(jù)引力技術(shù)將目標項目樣本信息傳輸?shù)皆错椖繕颖镜臋?quán)重中,得到一個有關(guān)源項目樣本的權(quán)重向量。再使用典型相關(guān)分析（CCA）對原本的源項目樣本與目標項目樣本尋找共同空間,使得數(shù)據(jù)預(yù)測之間的相關(guān)性最大化。最后經(jīng)過鄰域保留嵌入算法... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景及意義
    1.2 軟件缺陷預(yù)測研究現(xiàn)狀
    1.3 本文主要研究工作概述
    1.4 本文的組織結(jié)構(gòu)安排
第二章 相關(guān)背景知識介紹
    2.1 跨項目缺陷預(yù)測方法概述
    2.2 遷移學(xué)習技術(shù)的研究
        2.2.1 遷移學(xué)習的特點和分類
        2.2.2 遷移成分分析(TCA)
        2.2.3 最近鄰過濾方法(NN-filter)
    2.3 經(jīng)典分類算法模型
        2.3.1 邏輯回歸的算法模型
        2.3.2 支持向量機的算法模型
        2.3.3 樸素貝葉斯的算法模型
        2.3.4 集成學(xué)習算法模型
    2.4 本章小結(jié)
第三章 基于鄰域保留嵌入典型相關(guān)分析的軟件缺陷預(yù)測
    3.1 動機與思路
    3.2 NPE-CCA方法介紹
        3.2.1 NPE-CCA方法模型
        3.2.2 NPE-CCA方法步驟
    3.3 實驗
        3.3.1 數(shù)據(jù)庫介紹
        3.3.2 評價指標
        3.3.3 預(yù)測方案
        3.3.4 對比方法介紹
        3.3.5 實驗結(jié)果及分析
    3.4 本章小結(jié)
第四章 基于鄰域保留嵌入核典型相關(guān)分析的軟件缺陷預(yù)測
    4.1 動機與思路
    4.2 NPE-KCCA方法介紹
        4.2.1 核方法介紹
        4.2.2 NPE-KCCA方法模型
        4.2.3 NPE-KCCA方法步驟
    4.3 預(yù)測方案
    4.4 實驗結(jié)果及分析
    4.5 本章小結(jié)
第五章 基于代價敏感的遷移多核集成學(xué)習的軟件缺陷預(yù)測
    5.1 動機與思路
    5.2 CTMKEL方法介紹
        5.2.1 類不平衡學(xué)習介紹
        5.2.2 CTMKEL方法模型
        5.2.3 CTMKEL方法步驟
    5.3 預(yù)測方案
    5.4 實驗結(jié)果及分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 未來研究展望
參考文獻
附錄1 攻讀碩士學(xué)位期間撰寫的論文
附錄2 攻讀碩士學(xué)位期間申請的專利
致謝


【參考文獻】：
期刊論文
[1]Software Defect Distribution Prediction Model Based on NPE-SVM[J]. Hua Wei,Chun Shan,Changzhen Hu,Huizhong Sun,Min Lei.  中國通信. 2018(05)
[2]最大局部加權(quán)均值差異嵌入[J]. 皋軍,黃麗莉.  電子學(xué)報. 2013(08)

碩士論文
[1]基于聯(lián)合表示的軟件缺陷預(yù)測方法研究[D]. 史作婷.南京郵電大學(xué) 2018
[2]風險社會下抽象危險犯設(shè)置的正當性與邊界[D]. 潘方晴.華東政法大學(xué) 2018
[3]基于搜索的半監(jiān)督集成跨項目軟件缺陷預(yù)測方法研究[D]. 何吉元.天津大學(xué) 2017
[4]基于實例與特征的遷移學(xué)習文本分類方法研究[D]. 韋余永.西南大學(xué) 2015



本文編號：3485530