[發(fā)明專利]基于遷移學習和缺陷數(shù)量信息的跨公司軟件缺陷預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201710253504.8
• 申請日: 2017-04-18
• 公開（公告）號: CN107025503A
• 公開（公告）日: 2017-08-08
• 發(fā)明（設(shè)計）人: 井溢洋;劉進;余嘯;崔曉暉;張建升
• 申請（專利權(quán)）人: 武漢大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06
• 代理公司: 武漢科皓知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙)42222
• 代理人: 魏波

1.一種基于遷移學習和缺陷數(shù)量信息的跨公司軟件缺陷預(yù)測方法，其特征在于，包括以下步驟：

步驟1：標注每個跨項目實例即訓(xùn)練數(shù)據(jù)有多少個缺陷；

步驟2：根據(jù)經(jīng)驗提取實例內(nèi)的度量屬性；

步驟3：數(shù)據(jù)預(yù)處理；

步驟4：基于加權(quán)跨項目實例集構(gòu)建貝葉斯缺陷預(yù)測模型；

步驟5：根據(jù)貝葉斯缺陷預(yù)測模型預(yù)測本項目實例是否有缺陷。

2.根據(jù)權(quán)利要求1所述的基于遷移學習和缺陷數(shù)量信息的跨公司軟件缺陷預(yù)測方法，其特征在于，步驟3的具體實現(xiàn)包括以下子步驟：

步驟3.1：使用遷移學習分析跨項目實例和本項目實例集之間相似度s_i；

步驟3.2：根據(jù)相似度s_i計算跨項目實例們的初始權(quán)重w_i；

步驟3.3：考慮跨項目實例的缺陷個數(shù)信息來對初始權(quán)值加以調(diào)整。

3.根據(jù)權(quán)利要求2所述的基于遷移學習和缺陷數(shù)量信息的跨公司軟件缺陷預(yù)測方法，其特征在于，步驟3.1的具體實現(xiàn)過程是：計算本項目實例集即待預(yù)測實例中每個屬性的取值范圍，然后判斷該跨項目實例即訓(xùn)練數(shù)據(jù)的每個屬性是否在對應(yīng)屬性的取值范圍內(nèi)，若在對應(yīng)屬性的取值范圍內(nèi)，那么跨項目實例與本項目實例集的相似度s_i為滿足條件的屬性數(shù)目。

4.根據(jù)權(quán)利要求2所述的基于遷移學習和缺陷數(shù)量信息的跨公司軟件缺陷預(yù)測方法，其特征在于：步驟3.2中，初始權(quán)重其中w_i為初始權(quán)重，s_i為該跨項目實例的相似度，k為項目實例的屬性數(shù)目。

5.根據(jù)權(quán)利要求2所述的基于遷移學習和缺陷數(shù)量信息的跨公司軟件缺陷預(yù)測方法，其特征在于，步驟3.3的具體實現(xiàn)過程是：賦予缺陷個數(shù)多的跨項目實例更大的權(quán)值，即在步驟3.2的基礎(chǔ)上乘以該跨項目實例缺陷的個數(shù)。

6.根據(jù)權(quán)利要求1所述的基于遷移學習和缺陷數(shù)量信息的跨公司軟件缺陷預(yù)測方法，其特征在于，步驟4的具體實現(xiàn)過程是：在加權(quán)跨項目實例集的基礎(chǔ)上，構(gòu)建貝葉斯缺陷預(yù)測模型，計算有無缺陷的先驗概率和有無缺陷條件下各屬性的條件概率。

7.根據(jù)權(quán)利要求1所述的基于遷移學習和缺陷數(shù)量信息的跨公司軟件缺陷預(yù)測方法，其特征在于，步驟5的具體實現(xiàn)過程是：根據(jù)步驟4中得到的有無缺陷的先驗概率和有無缺陷條件下各屬性的條件概率，計算本項目實例是否存在缺陷的后驗概率，如果計算得到的有缺陷概率大于等于無缺陷概率，則認為該本項目實例存在缺陷，反之沒有缺陷。