[发明专利]基于深度自编码网络的软件缺陷预测方法

摘要

本发明涉及基于深度自编码网络的软件缺陷预测方法，包括如下步骤，S1通过版本控制工具收集待预测软件的源代码文件；S2所述S1得到的源代码文件由I个模块组成，从所述源代码文件中提取度量元值，所有度量元值构成一个集合X；S3对S2得到集合X进行预处理；S4通过采样的方式通过度量元值选取模块得到采样结果集；S5深度自编码网络构建预测模型；S6对待预测版本进行预测并输出预测结果。该方法简单有效，实验结果表明在数据维度较大，并且冗余特征较多的数据集中，效果非常明显。

主权项

1.基于深度自编码网络的软件缺陷预测方法，其特征在于：具体包括如下步骤：S1：通过版本控制工具收集待预测软件的源代码文件；S2：所述S1得到的源代码文件由I个模块组成，从所述源代码文件中提取度量元值，所有度量元值构成一个集合X，X＝{x1,1,x2,2,...xi,j,...xI,J}  (1)；xij表示第j个度量元在第i个模块上的度量元值，I表示待预测软件中源代码文件的总数，J表示提取的度量元的总数；每个模块对应一个度量元向量，定义xi表示第i个模块的度量元向量，xi＝{xij|i＝1,2,3...I,j＝1,2,3...J}；S3：对步骤S2得到集合X进行预处理，具体步骤如下：遍历集合X中的所有度量元值，查找度量元值为缺失状态的进行填充，具体步骤如下：1)令i＝1；2)令j＝1；3)判断xij是否有值：如没有，则使用第j个度量元在I个模块上的度量元值的平均值进行填充；如有，则令j＝j+1，并执行下一步；4)如果j≤J，则返回3)；否则令i＝i+1，并执行下一步；5)如果i≤I，则返回2)；否则执行下一步；6)输出新集合X′：X′＝{x′1,1,x′2,2,...x′i,j,...x′I,J}   (2)；x′i,j表示在新集合X′中第j个度量元在第i个模块上的度量元值；S4：采样；S4a：定义Mj为新集合X′中，第j个度量元在I个模块上度量元值的中位数；确定xij>Mj的数量，i＝1,2,...I,j＝1,2,...J；I)令i＝1；II)令j＝1；III)令Ki＝0；IV)如果xij≥Mj，则Ki＝Ki+1，并令j＝j+1，执行下一步；否则，令j＝j+1，并执行下一步；V)如果j≤J，则返回Ⅳ)；否则令i＝i+1，并执行下一步；VI)如果i≤I，则返回Ⅱ)；否则执行下一步；VII)输出Ki；S4b：Ki值对应第i个模块，i＝1,2…I，根据Ki值从大到小的顺序对Ki值对应的模块进行排序；S4c：选取所述步骤S4b排序后，处于前N位置的N个模块构成候选集，再从候选集中随机选取n个模块构成采样结果集，N>n；所述采样结果集X′n表示为：X′n＝{x′1,1,x′2,2,...x′u,j,...x′n,J}    (3)；x′u，j表示在采样结果集X′n中第j个度量元在第u个模块上的度量元值；S4d：使用Z‑core法对S4c输出的采样结果集X′n中的所有度量元值进行标准化得到标准化后的采样结果集X″n，使的采样结果集X′n中的所有度量元值都分布在0～1之间；所述标准化后的采样结果集X″n记为：X″n＝{x″1,1,x″2,2,...x″u,j,...x″n,J}   (4)；x″u,j表示在标准化后的采样结果集X″n中第j个度量元在第u个模块上的度量元值；S5：深度自编码网络构建预测模型：S5a：设深度自编码网络网络层数为Q层，Q为自然数；S5b：令q＝1，预设误差阈值D0；S5c：令u＝1；预设权重矩阵Wq、偏置向量Bq和B′q的初始值，其中S5d：编码阶段：将x″u,j|j＝1,2,...J的值带入如公式(5)所述的编码函数进行编码：其中，f(x)采用sigmoid函数，θ＝1,2,3….m^q，m^q为自然数；S5e：解码阶段：通过解码函数对步骤S5d编码后的数据进行解码重构得到输出其中，f(x)仍然是sigmoid函数；S5f：令u＝u+1；S5g：如u≤n，返回步骤S5d，否则执行下一步；S5h：通过公式(8)计算平均误差其中，L为误差函数，S5i：如果则执行下一步；否则令：并返回步骤S5d，其中α为学习率，是一个经验值；S5j：输出Wq、Bq和B′q；S5k：将x″u,j|u＝1,2,...n,j＝1,2,...J的值带入公式(9)所述的编码函数进行编码：其中，x＝x″u,jS5l：令J＝m^q，并且将采样结果集X″_n中的所有元素的值进行对应的更新，S5m：令q＝q+1；S5n：如果q≤Q，则返回步骤S5c；否则执行下一步；S5o：输出S5p：根据所述步骤S5o输出的所对应的模块是否存在缺陷，给该模块打上有缺陷模块的分类标签或无缺陷模块的分类标签，分类标签y∈{±1}，打上分类标签y＝1的模块表示为有缺陷模块，打上分类标签y＝‑1的模块表示为无缺陷模块；标记后所有模块构成标签样本集，记为q＝Q，其中，y_u表示第u个模块的标签；S5q：将所述标签样本集作为训练集作为输入现有的分类器中进行训练，得到缺陷预测模型；S6：测试分类：S6a：获取待预测软件的待测试版本的源代码文件；S6b：所述S6a得到的源代码文件由I’个模块组成，从所述源代码文件中提取度量元值，所有度量元值构成一个集合C，C＝{c1,1,c2,2,...ci,j,...cI,J′}   (11)；cij表示第j个度量元在第i个模块上的度量元值，I’表示待预测软件中待测试版本源代码文件的总数，J’表示提取的度量元的总数；S6c：对步骤S6b得到集合C进行预处理，具体步骤如下：遍历集合C中的所有度量元值，查找度量元值为缺失状态的进行填充，具体步骤如下：a)令i＝1；b)令j＝1；c)判断cij是否有值：如没有，则使用第j个度量元在I’个模块上的度量元值的平均值进行填充；如有，则令j＝j+1，并执行下一步；d)如果j≤J’，则返回步骤c)；否则令i＝i+1，并执行下一步；e)如果i≤I’，则返回步骤bf)否则执行下一步；g)输出新集合C′：C′＝{c′1,1,c′2,2,...c′i,j,...c′I′,J′}    (12)；c′i,j表示在新集合C′中第j个度量元在第i个模块上的度量元值；h)使用Z‑core法对步骤ⅵ)输出的新集合C′中的所有度量元值进行标准化得到标准化后的新集合C”，使的新集合C′中的所有度量元值都分布在0～1之间；所述标准化后的新集合C”记为：C″＝{c″1,1,c″2,2,...c″i,j,...c″I′,J′}  (14)；S6d：将标准S6c输出的标准化后的新集合C″输入深度自编码网络构；A)令q＝1；B)将c″i,j|i＝1,2,...I′,j＝1,2,...J′值带入公式(15)所述的编码函数进行编码：其中，x＝c″i,j|i＝1,2,...I′,j＝1,2,...J′C)令J’＝m^q，并且将新集合C″中的所有元素的值进行对应的更新，D)令q＝q+1；E)如果q≤Q，则返回步骤B)；否则执行下一步；F)输出S6e：将步骤S6d得到的输入步骤S5q所述的缺陷预测模型中进行计算，输出0或1的概率值，如果输出的概率值为1表示该待测试版本有缺陷，如果输出的概率值为0表示该待测试版本无缺陷。