[發明專利]一種基于半監督聚類數據篩選的跨項目缺陷預測方法

在審

• 申請號: 201710322848.X
• 申請日: 2017-05-09
• 公開（公告）號: CN107133176A
• 公開（公告）日: 2017-09-05
• 發明（設計）人: 余嘯;劉進;安格格;崔曉輝;夏臻;井溢洋
• 申請（專利權）人: 武漢大學
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06K9/62
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙)42222
• 代理人: 魯力

1.一種基于半監督聚類數據篩選的跨項目缺陷預測方法，其特征是，包括以下步驟：

步驟1，挖掘本項目軟件歷史倉庫，從中抽取出有用的軟件模塊；軟件模塊粒度可根據實際應用場景，可設置為文件、包、類或函數等；標注所有的本項目軟件模塊是否有缺陷,標記有缺陷的軟件模塊的類標號為Y，標記無缺陷的軟件模塊的類標號為N；

步驟2，抽取本項目現有的待預測的軟件模塊；這些待預測的本項目軟件模塊標記為“？”；

步驟3，提取本項目軟件模塊的度量屬性，提取了20個度量屬性：加權方法數(wmc)，繼承樹深度(dit)，孩子數(noc)，對象類之間的耦合度(cbo)，類的響應(rfc)，內聚缺乏度(lcom)，傳入耦合(ca)，傳出耦合(ce)，公開方法數(npm)，代碼行數(loc)，數據訪問度量(dam)，聚合度量(moa)，功能抽象度量(mfa)，方法間的內聚度(cam)，繼承耦合(ic)，方法間耦合(cbm)，平均方法復雜度(amc)，最大McCabe環形復雜度(max_cc)，平均McCabe環形復雜度(avg_cc)；

步驟4，由于在一個項目剛進行開發時，本項目歷史軟件模塊數據很少，不能訓練本項目缺陷預測模型；因此需要借用跨項目歷史軟件模塊數據；從跨項目軟件歷史倉庫中抽取有用的軟件模塊，將有缺陷的軟件模塊標記為Y，無缺陷的軟件模塊標記為N；

步驟5，提取跨項目所有軟件模塊與步驟3中相同的20個度量屬性；

步驟6，對所有跨項目軟件模塊數據和所有本項目軟件模塊數據執行半監督聚類，獲得篩選后的跨項目軟件模塊數據；執行以下子步驟，

步驟6.1，標記所有跨項目軟件模塊和所有本項目軟件模塊未為訪問，隨機選擇一個未被訪問的已被標記為Y或N的本項目歷史軟件模塊，將其邊界權值賦為0，并將其余未被訪問所有本項目軟件模塊和所有跨項目軟件模塊的邊界權值賦為無窮；邊界權值定義了兩個實例密度相連的最小半徑值；

步驟6.2，循環選擇未被訪問的已被標記為Y或N的本項目歷史軟件模塊創建簇，并逐漸擴充簇，直至所有的已被標記為Y或N的本項目歷史軟件模塊均有其所屬簇；每次循環中，選擇邊界權值最小的軟件模塊加入簇，一旦在當前簇中出現類標號不同的本項目歷史軟件模塊，表明兩個需要被分離的簇即將被連接，此時停止對簇的擴充，將當前簇中所有軟件模塊標記為已訪問，并重新選擇下一個未被訪問的已被標記為Y或N的本項目歷史軟件模塊創建簇；利用邊界權值計算公式更新所有未被訪問的軟件模塊的邊界權值，以推動循環；當所有已被標記為Y或N的本項目歷史軟件模塊均有所屬簇，半監督聚類過程結束；

步驟6.3，獲得篩選后的跨項目軟件模塊；在步驟6.2中產生的每個簇中一定會包含已被標記為Y或N的本項目歷史軟件模塊，有可能包含已被標記為Y或N的跨項目歷史軟件模塊，有可能包含標記為“？”的待預測本項目軟件模塊；選擇所有生成的簇中與本項目歷史軟件模塊類標號相同的所有跨項目歷史軟件模塊即為篩選后的跨項目軟件模塊數據；

步驟7，對通過半監督聚類算法篩選出的跨項目軟件模塊數據和本項目歷史軟件模塊數據混合形成混合訓練集D，訓練出樸素貝葉斯預測模型；由于軟件模塊屬于有缺陷的類(Y)和無缺陷的類(N)的先驗概率未知，則假定兩個類是等概率的，因此訓練樸素貝葉斯算法模型只需對混合訓練集D計算類標號為Y的軟件模塊在每個特征A_k上的均值μ_kY和標準差σ_kY，計算類標號為N的軟件模塊在每個特征A_k上的均值μ_kN和標準差σ_kN；

步驟8，用訓練得到的預測模型預測待預測的本項目軟件模塊X；

步驟8.1，計算待預測本項目軟件模塊X有缺陷的后驗概率：

P(X|Y)=Πk=1nP(xk|Y)=Πk=1ng(xk,μkY,σkY)=Πk=1n12πσkYe-(xk-μkY)2/2σkY2;]]>

計算待預測本項目軟件模塊X無缺陷的后驗概率：

P(X|N)=Πk=1nP(xk|N)=Πk=1ng(xk,μkN,σkN)=Πk=1n12πσkNe-(xk-μkN)2/2σkN2;]]>

步驟8.2，判定待預測的本項目軟件模塊是否有缺陷；如果P(X|N)>P(X|Y)，樸素貝葉斯分類方法判斷其類標號為N,即該軟件模塊為無缺陷的軟件模塊；如果P(X|N)<P(X|Y)，樸素貝葉斯分類方法判斷其類標記為Y,即該軟件模塊為有缺陷的軟件模塊。