关于软件缺陷预测方法的相关研究

发布时间：2021-03-19 15:20

　　软件缺陷预测指的是运用科学的方法,运用软件开发过程中的历史数据,对软件模块进行缺陷预测的研究。借助于模型预测的结果,研究人员可以合理的分配测试资源,保证开发效率以及软件质量。然而,在实际应用场景中,往往缺乏充足的历史数据供给预测模型训练。为解决此问题,本文从两个角度设计相应方案。一方面,深度梯形网络对无标签的历史数据和少量有标签的历史数据加以利用,与传统半监督以及有监督预测相比,提高了预测精确率。另一方面,利用迁移学习的知识,迁移应用其他项目的历史数据,建立目标项目的预测模型,提高预测精度。首先,为解决同项目中有标签历史数据较少的问题,提出了深度梯形网络软件缺陷预测方法。该方法引入半监督深度梯形网络模型,将降噪解码函数加以改进,同时利用无标签和有标签数据,构建预测模型。大幅提高了模型预测准确度。其次,为了改进现存的软件缺陷预测领域类不平衡问题。本文引入代价敏感学习,将深度梯形网络有监督部分加入代价惩罚项,即把不同类别的误分类成本加入模型中。提出了基于代价敏感的深度梯形网络软件缺陷预测模型,有效地减轻了类不平衡问题对缺陷预测带来的负面影响。最后,为解决同项目历史数据缺乏或者不足这一问题,... 

【文章来源】：南京邮电大学江苏省

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究背景和意义
    1.2 软件缺陷预测技术介绍
    1.3 软件缺陷预测研究现状
    1.4 软件缺陷预测技术目前存在问题
    1.5 论文主要研究工作概述
    1.6 本文内容章节安排
第二章 相关工作简介
    2.1 引言
    2.2 半监督学习
        2.2.1 期望最大化软件缺陷预测方法
        2.2.2 基于图的标签传播的半监督软件缺陷预测方法
    2.3 类不平衡学习
        2.3.1 类不平衡引发的问题
        2.3.2 类不平衡问题解决策略
    2.4 迁移学习
        2.4.1 迁移学习介绍
        2.4.2 迁移成分分析算法
        2.4.3 典型相关分析算法
    2.5 本章小结
第三章 基于改进型半监督梯形网络的软件缺陷预测方法
    3.1 方法动机
    3.2 方法介绍
    3.3 梯形网络模型
        3.3.1 ILR-SDP方法模型
        3.3.2 ILR-SDP算法具体实现步骤
    3.4 实验
        3.4.1 实验数据集简介
        3.4.2 评价指标
        3.4.3 实验设置
        3.4.4 实验结果分析
    3.5 本章小结
第四章 代价敏感的梯形网络软件预测方法
    4.1 方法动机
    4.2 基于梯形网络的代价敏感软件缺陷预测方法
        4.2.1 代价敏感学习
        4.2.2 CILR-SDP方法模型
        4.2.3 CILR-SDP算法具体实现步骤
    4.3 实验
    4.4 本章小结
第五章 基于流形学习的跨项目的软件缺陷预测方法
    5.1 方法动机
    5.2 基于测地线的跨项目软件缺陷预测
        5.2.1 采样测地线流形形子空间
        5.2.2 GFK-SDP方法模型
        5.2.3 GFK-SDP方法步骤
    5.3 实验结果及分析
        5.3.1 数据集
        5.3.2 实验结果分析
    5.4 本章小结
第六章 总结与展望
    6.1 本文工作总结
    6.2 进一步研究展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间申请的专利
致谢


【参考文献】：
期刊论文
[1]静态软件缺陷预测方法研究[J]. 陈翔,顾庆,刘望舒,刘树龙,倪超.  软件学报. 2016(01)
[2]软件缺陷预测技术[J]. 王青,伍书剑,李明树.  软件学报. 2008(07)
[3]面向缺陷分析的软件库挖掘方法综述[J]. 刘英博,王建民.  计算机科学. 2007(09)

博士论文
[1]基于机器学习的软件缺陷预测技术研究[D]. 马樱.电子科技大学 2012
[2]软件源代码安全分析研究[D]. 张立勇.西安电子科技大学 2011

硕士论文
[1]基于深度学习的软件缺陷预测方法研究与应用[D]. 薛参观.南京航空航天大学 2018
[2]特征选择在软件缺陷预测技术中的应用研究[D]. 王培.华中师范大学 2013
[3]基于数据挖掘的软件缺陷数据预测方法研究[D]. 于安雷.南京航空航天大学 2012



本文编号：3089789