基于度量元的静态跨项目软件缺陷预测技术研究

发布时间：2021-11-09 14:26

　　软件缺陷预测是一个活跃的研究领域,它寻求有效的方法来预测给定软件项目中的缺陷倾向。软件缺陷预测技术通过挖掘源代码文件和一些开发文档,提取相应的度量来学习构建预测模型,然后对新的文件系统进行预测。往往一个新的文件系统没有足够的历史数据来训练模型,跨项目缺陷预测技术（Cross-Project Defect Prediction,CPDP）也就应运而生,它使用来自同公司的类似项目（源项目）作为训练数据建立预测模型,然后将当前的项目（目标项目）作为测试集预测模块中是否有缺陷。然而CPDP的源项目数据和目标项目数据之间的分布存在差异性,大部分的缺陷数据不仅有着复杂的数据结构而且有着显著的类不平衡的情况,基于以上问题,本文着手研究跨项目的软件缺陷预测技术中的难题,提高预测模型的预测性能。首先,提出了一种基于邻域保留嵌入典型相关分析的软件缺陷预测方法（NPE-CCA）。该方法先根据数据引力技术将目标项目样本信息传输到源项目样本的权重中,得到一个有关源项目样本的权重向量。再使用典型相关分析（CCA）对原本的源项目样本与目标项目样本寻找共同空间,使得数据预测之间的相关性最大化。最后经过邻域保留嵌入算法... 

【文章来源】：南京邮电大学江苏省

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究背景及意义
    1.2 软件缺陷预测研究现状
    1.3 本文主要研究工作概述
    1.4 本文的组织结构安排
第二章 相关背景知识介绍
    2.1 跨项目缺陷预测方法概述
    2.2 迁移学习技术的研究
        2.2.1 迁移学习的特点和分类
        2.2.2 迁移成分分析(TCA)
        2.2.3 最近邻过滤方法(NN-filter)
    2.3 经典分类算法模型
        2.3.1 逻辑回归的算法模型
        2.3.2 支持向量机的算法模型
        2.3.3 朴素贝叶斯的算法模型
        2.3.4 集成学习算法模型
    2.4 本章小结
第三章 基于邻域保留嵌入典型相关分析的软件缺陷预测
    3.1 动机与思路
    3.2 NPE-CCA方法介绍
        3.2.1 NPE-CCA方法模型
        3.2.2 NPE-CCA方法步骤
    3.3 实验
        3.3.1 数据库介绍
        3.3.2 评价指标
        3.3.3 预测方案
        3.3.4 对比方法介绍
        3.3.5 实验结果及分析
    3.4 本章小结
第四章 基于邻域保留嵌入核典型相关分析的软件缺陷预测
    4.1 动机与思路
    4.2 NPE-KCCA方法介绍
        4.2.1 核方法介绍
        4.2.2 NPE-KCCA方法模型
        4.2.3 NPE-KCCA方法步骤
    4.3 预测方案
    4.4 实验结果及分析
    4.5 本章小结
第五章 基于代价敏感的迁移多核集成学习的软件缺陷预测
    5.1 动机与思路
    5.2 CTMKEL方法介绍
        5.2.1 类不平衡学习介绍
        5.2.2 CTMKEL方法模型
        5.2.3 CTMKEL方法步骤
    5.3 预测方案
    5.4 实验结果及分析
    5.5 本章小结
第六章 总结与展望
    6.1 本文工作总结
    6.2 未来研究展望
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]Software Defect Distribution Prediction Model Based on NPE-SVM[J]. Hua Wei,Chun Shan,Changzhen Hu,Huizhong Sun,Min Lei.  中国通信. 2018(05)
[2]最大局部加权均值差异嵌入[J]. 皋军,黄丽莉.  电子学报. 2013(08)

硕士论文
[1]基于联合表示的软件缺陷预测方法研究[D]. 史作婷.南京邮电大学 2018
[2]风险社会下抽象危险犯设置的正当性与边界[D]. 潘方晴.华东政法大学 2018
[3]基于搜索的半监督集成跨项目软件缺陷预测方法研究[D]. 何吉元.天津大学 2017
[4]基于实例与特征的迁移学习文本分类方法研究[D]. 韦余永.西南大学 2015



本文编号：3485530