[發明專利]一種基于特征選擇和集成學習的軟件缺陷個數預測方法

有效

• 申請號: 201710375644.2
• 申請日: 2017-05-24
• 公開（公告）號: CN107247666B
• 公開（公告）日: 2020-03-10
• 發明（設計）人: 余嘯;劉進;井溢洋;崔曉暉;邱昌
• 申請（專利權）人: 武漢大學
• 主分類號: G06F11/36
• 分類號: G06F11/36
• 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

1.一種基于特征選擇和集成學習的軟件缺陷個數預測方法，其特征在于，包括以下步驟：

步驟1，挖掘軟件歷史數據，從中抽取出n個有用的軟件模塊；軟件模塊粒度根據實際應用場景，可設置為文件、包、類或函數；然后標記軟件模塊中缺陷的個數；

步驟2，提取軟件模塊中與軟件缺陷有關的特征，提取了19個屬性特征：加權方法數，繼承樹深度，孩子數，對象類之間的耦合度，類的響應，內聚缺乏度，傳入耦合，傳出耦合，公開方法數，代碼行數，數據訪問度量，聚合度量，功能抽象度量，方法間的內聚度，繼承耦合，方法間耦合，平均方法復雜度，最大McCabe環形復雜度，平均McCabe環形復雜度；這19個特征形成了原始的特征集S＝{A₁,A₂,…,A₁₉}；在提取n個軟件模塊的特征和缺陷個數后形成了缺陷數據集D＝{(x₁,y₁),(x₂,y₂),…,(x_n,y_n)}，其中x_i＝(a₁,a₂,…,a₁₉)是從第i個軟件模塊中提取出的19維的特征向量值，y_i是第i個軟件模塊的缺陷個數；

步驟3，首先通過以D為訓練集在原始特征集S上訓練出m個基礎回歸模型h₁(x),h₂(x),…,h_m(x)；這些基礎的回歸模型包含了線性回歸、嶺回歸、決策樹回歸、梯度boosting回歸、最近鄰回歸和多層感器知回歸；每個基本的回歸模型預測給定模塊的缺陷個數；然后構建集成回歸模型H(x)：

其中并且w_i(i＝1,…,m)是基礎回歸模型的權重；將權重設置為1/m；由于缺陷數量必須是非負整數，因此對預測的故障個數進行適當的調整：若預測的故障個數為負，則設置為零；若預測的故障數為小數，則四舍五入為整數；

步驟4，利用步驟3中訓練出的集成回歸模型H(x)對缺陷數據集D中的n個軟件模塊進行預測，計算得到該集成回歸模型在缺陷數據集D上的預測準確率；預測準確率采用均方根誤差RMSE表示，計算公式為

其中y_i表示對第i個軟件模塊的缺陷個數真實值，表示第i個軟件模塊的缺陷個數預測值；

步驟5，采用基于包裹式的特征選擇方法來濾除不相關和冗余的特征，具體包括：

步驟5.1，從當前特征子集S_k(k為當前特征子集中包含的特征個數)中濾除掉一個特征，由于S_k中的每個特征都是可以被濾除的，所以對當前特征子集S_k濾除掉一個特征后，有k個不同的特征子集S_k-1；

步驟5.2，基于這k個不同的特征子集S_k-1，訓練出k個不同的集成回歸模型，分別計算這k個不同的集成回歸模型對原始缺陷數據集D中n個軟件模塊進行預測時的RMSE值；

步驟5.3，如果基于特征子集S_k-1上訓練得出的擁有最低的RMSE值的集成回歸模型的RMSE值小于在原始特征子集S_k上訓練得到的RMSE值，則說明在特征子集S_k-1上訓練得到的集成回歸模型具有更高的準確率，當前的特征子集S_k-1相比于原始的特征子集S_k更有用；因此，則保留當前的特征子集S_k-1，然后重復步驟5.1、5.2、5.3；如果基于特征子集S_k-1上訓練得出的擁有最低的RMSE值的集成回歸模型的RMSE值大于在原始特征子集S_k上訓練得到的RMSE值，則說明在原始特征子集S_k上訓練得到的集成回歸模型具有更高的準確率，原始的特征集S_k相比于當前的特征子集S_k-1更有用，則停止特征選擇步驟，得到篩選后的特征子集S’；

步驟6，通過以D為訓練集在特征選擇后的特征子集S’上訓練出m個基礎回歸模型h₁,h₂,…,h_m；這些基本的回歸模型包含了在背景技術中介紹的線性回歸、嶺回歸、決策樹回歸、梯度boosting回歸、最近鄰回歸和多層感器知回歸；然后構建集成回歸模型H(x’)：

其中并且w_i(i＝1,…,m)是基礎回歸模型的權重，將權重設置為1/m；由于缺陷數量必須是非負整數，因此對預測的故障個數進行適當的調整：若預測的故障個數為負，則設置為零；若預測的故障數為小數，則四舍五入為整數；

步驟7，預測待預測的軟件模塊的缺陷個數；

步驟7.1，提取待預測的軟件模塊中的特征S’，形成這個軟件模塊的特征向量值x’；

步驟7.2，將步驟7.1得到的待預測的軟件模塊的特征向量值x’帶入到步驟6中訓練的集成回歸模型中，求得該軟件模塊的缺陷個數。