[發(fā)明專利]一種基于主成分分析和組合采樣的軟件缺陷預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201910298450.6
• 申請日: 2019-04-15
• 公開（公告）號: CN109933539A
• 公開（公告）日: 2019-06-25
• 發(fā)明（設(shè)計）人: 何海濤;任家東;張旭;胡昌振
• 申請（專利權(quán)）人: 燕山大學(xué)
• 主分類號: G06F11/36
• 分類號: G06F11/36
• 代理公司: 北京挺立專利事務(wù)所(普通合伙) 11265
• 代理人: 劉陽

1.一種基于主成分分析和組合采樣的軟件缺陷預(yù)測方法，其特征在于，包括如下步驟：

步驟S1：對軟件缺陷數(shù)據(jù)利用融合特征選擇降維去噪；

步驟S2：對降維后的數(shù)據(jù)執(zhí)行SMOTE過采樣和分層隨機采樣相結(jié)合進行采樣，其中過采樣是指通過增加少數(shù)類樣本的數(shù)量，從而使得數(shù)據(jù)集中類樣本達到相對平衡，分層隨機采樣通過劃分類進行分層，在每層內(nèi)采用無放回隨機采樣；

步驟S3：對處理后的數(shù)據(jù)選取分類器并對分類器參數(shù)進行調(diào)優(yōu)。

2.根據(jù)權(quán)利要求1所述的軟件缺陷預(yù)測方法，其特征在于，步驟S1利用主成分分析法去除軟件缺陷數(shù)據(jù)集中無關(guān)和冗余屬性進行降維去噪，其中，主成分分析方法將m維特征通過線性變換映射到新的d維正交特征上，其中d<m，同時保留原始特征的絕大部分信息，并將重新構(gòu)造出來的d維特征稱為主元，從而使得數(shù)據(jù)由原來的m個特征降低到d個特征，具體包括如下步驟：

步驟S101：將軟件缺陷數(shù)據(jù)集以矩陣X_n×m形式輸入X_m×n，其中矩陣的行數(shù)n表示軟件缺陷數(shù)據(jù)集中樣本的個數(shù)，列數(shù)m表示每個樣本的特征數(shù)目；

步驟S102：按列計算矩陣X_n×m的均值，從而得到均值矩陣并將矩陣X_n×m中的每一行元素均減去得到進行中心化的樣本H_n×m；

步驟S103：計算中心化后樣本H_n×m的協(xié)方差矩陣HH^T，并對協(xié)方差矩陣進行特征值分解，求得對應(yīng)的m個特征向量ω，然后將m個特征值λ進行降序排序，排序結(jié)果為λ₁≥λ₂≥...≥λ_m，最后，通過計算貢獻率并為其設(shè)定一個閾值為0.95，確定滿足貢獻率不小于此閾值的d值，取最大的d個特征值所對應(yīng)的特征向量ω₁,ω₂,...,ω_d，從而得到投影矩陣W^*＝(ω₁,ω₂,...,ω_d)，其中d為通過主成分分析法降維后的維度。

3.根據(jù)權(quán)利要求1所述的軟件缺陷預(yù)測方法，其特征在于，所述分層隨機采樣采用無放回的隨機采樣，通過對無放回分層隨機采樣中采樣率的調(diào)整使得子樣本在保證類別分布不變的同時也減少了樣本數(shù)量，從而克服SMOTE算法中訓(xùn)練模型效率降低，相應(yīng)提高預(yù)測準(zhǔn)確率。

4.根據(jù)權(quán)利要求3所述的軟件缺陷預(yù)測方法，其特征在于，步驟S2具體包括：

對數(shù)據(jù)采用SMOTE算法合成少類樣本，其中參數(shù)k表示在合成少類樣本時，需從與當(dāng)前所選樣本距離相對較近的k少類樣本中隨機選取一個樣本來進行新樣本的合成，其中k的值為weka中的默認值5，采樣倍率設(shè)為100％，不斷進行迭代，直至有無缺陷樣本達到相對平衡；

對相對平衡后的數(shù)據(jù)集進行無放回分層采樣，采樣率的設(shè)定為[0.1，1.0]，步長為0.1，采樣率為0.8。

5.根據(jù)權(quán)利要求1所述的軟件缺陷預(yù)測方法，其特征在于，所述步驟S3采用經(jīng)過網(wǎng)格搜索算法調(diào)參的隨機森林分類器進行分類，具體包括如下步驟：

步驟S301：需要對隨機森林分類器的兩個參數(shù)決策樹數(shù)目以及分裂屬性數(shù)設(shè)定相應(yīng)的范圍和步長，并分別以這兩個參數(shù)作為橫縱坐標(biāo)軸，建立二維坐標(biāo)系，通過在坐標(biāo)系中不斷取點得到二維網(wǎng)格；

步驟S302：將網(wǎng)格中節(jié)點的每一數(shù)對分別作為參數(shù)的取值構(gòu)建隨機森林，并采用交叉驗證估計分類誤差；

步驟S303：選擇分類誤差最小的最優(yōu)參數(shù)組合，直至分類誤差或者步長滿足要求為止，輸出此組合，否則，嘗試縮短步長，重復(fù)步驟S301。