[发明专利]一种基于不对称分类评估的软件缺陷检测系统

说明书

本发明提供一种基于不对称分类评估的软件缺陷检测系统，该系统包括软件数据输入接口、控制器以及检测结果输出端口，所述控制器用于：首先对接收的软件模块进行检测，获取原始软件度量数据集，对原始软件度量数据集的数据进行预处理，将数据分为训练样本和测试样本，对训练样本数据进行字典学习模型，并判别，结构化字典，使用不对称分类器进行性能评估，检测转入所述测试样本，用模型对软件检测模块进行缺陷检测，将评估结果反馈给测试者，完成检测；然后通过检测结果输出端口将检测结果输出给用户。本发明可以使字典表示能力增强，具有很好的判别性能，同时有效解决数据不平衡问题带来的误差，准确定位软件缺陷位置。

【技术领域】

本发明涉及计算机系统，特别涉及一种基于不对称分类评估的软件缺陷检测系统。

【背景技术】

计算机系统包括软件系统与硬件系统，而面对庞大复杂的软件系统，软件缺陷是计算机软件经常出现问题，在软件整个生命周期里，软件缺陷成为影响软件质量的一个重要因素，发现和排查软件缺陷是一项重要的工作，然而，发现和排除软件缺陷需要耗费大量的人力和物力。2006年，在与软件缺陷相关的费用方面，美国花费大约780 亿美元。根据美国国防部的数据显示，用在与软件相关的工作上的资金大约占整个IT产品的42％，据美国调查研究结果表示，在整个软件花费中，美国在软件测试上的花费就占了53％-87％。因此合理预测缺陷能够有助于及时找出未被发现但是真实存在的缺陷以及缺陷分布，因此，不仅可以节约大量的成本，提高产品质量，还能够客观地评价测试结果，让开发者合理的权衡潜在预测风险和测试成本之间的关系，便于科学的进行软件检测工作。虽然不同度元的数据采集方法不同，但是在预测算法中对不同的度量元并不区分处理，预测算法却具有通用性，现有技术中将字典学习方法用于软件缺陷检测中，但是常规的字典学习算法不能有效利用数据集中不同类型本的判别性质，同时在分类评估时没有考虑到算法中不对称性，因此，提供一种具有有效数据处理的软件检测系统势在必行。

【发明内容】

本发明旨在提供一种基于不对称分类评估的软件缺陷检测系统，能够通过在传统的字典学习模型中通过加入判别约束项、在分类器性能评估中考虑到不对称性，来提高数据性能，更好的完成软件检测。

技术方案为：一种基于不对称分类评估的软件缺陷检测系统，所述系统包括软件数据输入接口、控制器以及检测结果输出端口，所述软件数据输入接口用于接收要检测的软件数据，所述控制器用于对所述软件数据进行检测，并通过所述检测结果输出端口将结果输出，所述软件数据为要检测的软件的软件模块。

进一步的，所述控制器被构造为实现以下步骤：

步骤(1)，对接收的软件模块进行检测；

步骤(2)，获取原始软件度量数据集，对原始软件度量数据集的数据进行预处理；

步骤(3)，将数据分为训练样本和测试样本，定义A＝[A₁，A₂， A₃……，A_i，……，A_c]为的训练样本集合，其中A_i为第i类的子样本集合，定义X＝[X₁，X₂，X₃……，X_i，……，X_c]为A关于字典集合D的表示系数矩阵；

步骤(4)，对训练样本数据代入至字典学习模型，并判别；

步骤(5)，通过元数据固定对所述步骤(4)中判别后的数据进行结构化；步骤(5)具体包括以下步骤，

步骤501，初始化字典集合D，对D每一列以随机矢量l₁范式项进行初始化；

步骤502，固定字典集合D，通过IMP以迭代的形式进行求解系数集合X；

步骤503，通过元数据固定步骤502中的X，更新D，得到最终的结构化的字典，更新D方法如下：