[发明专利]一种基于数据过采样和集成学习的软件缺陷数目预测方法

摘要

本发明公开了一种基于数据过采样和集成学习的软件缺陷数目预测方法，首先利用过采样技术通过增加缺陷数据集中缺陷数目为大于零的软件模块得到相对平衡的新数据集，然后利用相对平衡的缺陷数据集训练出若干个弱的软件缺陷数目预测模型，最后集成这些弱的软件缺陷数目预测模型来预测待预测的软件模块的缺陷数目。本发明的技术方案既能够解决缺陷数据集中数据不平衡的问题，又能够结合多个弱的预测模型来提高软件缺陷数目预测模型的性能。

主权项

一种基于数据过采样和集成学习的软件缺陷数目预测方法，其特征在于，包括以下步骤：步骤1：挖掘软件历史数据，从中抽取出n个软件模块；然后标记这些软件模块的缺陷数目；步骤2：提取软件模块中与软件缺陷有关的l个特征，获得包含有n个软件模块数据的软件缺陷数据集S；其中，软件模块Xi的软件模块数据由一个l维的特征向量和软件模块Xi的缺陷数目yi组成；步骤3：对软件缺陷数据集S中的软件模块数据进行过采样，形成新的分布平衡的软件缺陷数据集S’；步骤4：利用集成学习的思想，进行T次迭代，在第t次迭代时，对步骤3中形成的新的软件缺陷数据集S’进行有放回的随机抽样形成训练集St’，然后基于训练集St’训练出一个弱回归模型，最后集成T次迭代产生的T个弱回归模型形成一个强回归模型F(x)；步骤5：利用步骤4中训练出的强回归模型F(x)，预测待预测的软件模块的缺陷数目。