軟件缺陷預測技術利用軟件開發(fā)的歷史數據來預測未知軟件模塊的缺陷信息,能提高軟件測試效率。聯合表示分類算法中放寬了系數稀疏的要求,可以直接求解目標函數得到表示系數的解析解,顯著地降低了計算復雜度。通過分析當前基于聯合表示分類算法的研究,提出了三種改進的聯合表示軟件缺陷預測方法模型。首先,提出了基于加權代價敏感聯合表示(WCCR)的軟件缺陷預測方法。該方法在表示系數中引入距離權重矩陣以保留數據集的局部信息。當測試樣本與訓練樣本之間的距離小于一定范圍時加入代價敏感因子處理類不平衡問題。其次,為了改進樣本間距離度量方式來更合理地利用數據的局部信息,提出了基于馬氏距離加權代價敏感聯合表示(MWCCR)的軟件缺陷預測方法。通過構造基于馬氏距離的距離矩陣,可以避免異類訓練樣本的表示系數比同類訓練樣本的表示系數更大的情況,提高了聯合表示模型的準確度。最后,因為引入核方法之后,可以為線性不可分的樣本集找到線性決策邊界,能改善分類器性能,所以提出了基于分步核聯合表示(TPKCR)的軟件缺陷預測方法。TPKCR中引入了核方法并分步表示測試樣本,提高了分類的準確性。與幾種具有代表性的缺陷預測方法相比,在NAS...

【文章頁數】：58 頁

【學位級別】：碩士

本文編號：3877403