CN109325543A - 软件缺陷预测方法、可读存储介质和终端 - Google Patents

Abstract

一种软件预测方法、可读存储介质和终端，所述方法包括：获取基于boosting的软件缺陷预测模型；采用所获取的软件预测模型对待预测软件进行缺陷预测。上述的方案，可以提高软件缺陷预测的准确性。

Description

软件缺陷预测方法、可读存储介质和终端

技术领域

本发明涉及软件技术领域，特别是涉及一种软件预测方法、可读存储介质和终端。

背景技术

软件缺陷预测是当前软件工程数据领域中的一个研究热点，其可以在项目开发的早期阶段，预先识别出项目内的潜在缺陷程序模块，并且对这类的程序模块分配足够的测试资源来确保可以进行充分的代码审查或者是单元测试，最终达到提高软件产品质量的目的。

目前大部分研究工作都集中关注同项目缺陷预测问题，即选择同一项目的部分数据集作为训练集来构建模型，并用剩余未选择的数据作为测试集来获得模型的预测能力。然而在实际的软件开发场景中，需要进行缺陷预测的目标项目可能是一个新启动的项目，并没有足够的历史数据来作为训练集和测试集。由于历史数据的缺少研究者们开始关注跨项目软件缺陷预测的问题，跨项目就是使用其他项目的训练数据来构建预测模型，并对一个全新项目进行缺陷预测。在大部分的情况下，不同项目的度量元取值分布具有显著的差异性，缺陷预测的数据存在类别不平衡问题。

但是，现有技术中的软件缺陷预测方式，在优化目标函数时存在着计算复杂的问题，且没有很好地解决类别不平衡现象，存在着预测准确性低的问题。

发明内容

本发明解决的技术问题是如何提高软件缺陷预测的准确性。

为解决上述技术问题，本发明实施例提供了一种软件缺陷预测方法，所述方法包括：

获取基于boosting的软件缺陷预测模型；

采用所获取的软件预测模型对待预测软件进行缺陷预测。

可选地，所述基于boosting的软件缺陷预测模型为采用如下的方式得到：

采用预先确定的M个核函数和原始数据集，训练得到对应的M个SVM分类器；

采用所述M个核函数将原始数据集映射到预设的高维空间，得到预处理后的训练数据集；

采用所述预处理后的训练数据集和所得到的M个SVM分类器，确定M个基于核的弱分类器；

采用所述预处理后的训练数据集、对应的训练数据集分布和对所述M个基于核的弱分类器执行T次boosting过程，分别得到每一次boosting过程对应的基于核的弱分类器和权重；

采用T次boosting过程对应的基于核的弱分类器和权重，计算得到所述基于boosting的软件缺陷预测模型。

可选地，所述采用所述预处理后的训练数据集、对应的训练数据集分布和对所述M个基于核的弱分类器执行T次boosting过程，分别得到每一次boosting过程对应的基于核的弱分类器和权重，包括：

采用所获取的预处理后的训练数据集和对应的权重向量对所述M个基于核的弱分类器执行当前次的boosting过程，分别得到M个基于核的弱分类器的分类误差；

将最小分类误差对应的基于核的弱分类器，作为执行当前次boosting过程得到的基于核的弱分类器；

基于所述最小分类误差，计算所述执行当前次boosting过程得到的基于核的弱分类器对应的权重；

采用计算得到的权重对所述权重向量进行更新，得到下一次的boosting过程对应的权重向量，直至T次boosting过程全部执行完毕，得到每一次boosting过程对应的基于核的弱分类器和权重。

可选地，所述采用如下的公式计算得到M个基于核的弱分类器的分类误差：

其中，ε_t和ε(f_t ^j(x))表示执行第t次boosting过程得到的第j个基于核的弱分类器，cost(l，g)为敏感代价矩阵，表示l类被错分成g类的代价，D_t(i)表示第i个项目的权重，f_t ^j(x_i)表示单核分类器f_t ^j(x)下第i个项目的类型标记，N表示项目数。

可选地，所述每一次boosting过程对应的基于核的弱分类器可以表示为：

其中，f_t(x)表示第t次boosting过程得到的基于核的弱分类器，f_t(x)表示第t次boosting过程得到的M个基于核的弱分类器中第j个基于核的弱分类器。

可选地，采用如下的公式计算所述执行当前次boosting过程得到的基于核的弱分类器对应的权重：

其中，α_t表示执行第t次boosting过程得到的基于核的弱分类器对应的权重，ε_t表示第t次boosting过程得到的基于核的弱分类器的最小分类误差。

可选地，采用如下的公式对所述权重向量进行更新：

i＝1，2，...，N；其中，D_t+1，i表示t+1次boosting过程的第i个项目的权重，D_t，i表示t次boosting过程的第i个项目的权重，Z_i表示第i个项目的规范化因子，y_i表示项目的标签。

可选地，T＝100。

本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述任一项所述的软件缺陷预测方法的步骤。

本发明实施例还提供了一种终端，包括存储器和处理器，所述存储器上储存有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述任一项所述的软件缺陷预测方法的步骤。

与现有技术相比，本发明的有益效果为：

上述的方案，通过获取基于boosting的软件缺陷预测模型，并采用所获取的软件预测模型对待预测软件进行缺陷预测，相较于传统的软件缺陷预测方法，可以简化软件缺陷预测模型的计算，节约计算资源，并可以提高软件缺陷预测模型的准确性。

附图说明

图1是本发明实施例中的一种软件缺陷预测方法的流程示意图；

图2本发明实施例中的一种基于boosting的软件缺陷预测模型的训练方法的流程示意图；

图3是本发明实施例中的一种软件缺陷预测装置的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。本发明实施例中有关方向性指示(诸如上、下、左、右、前、后等)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

如背景技术所述，现有技术中的软件缺陷预测方式，在优化目标函数时存在着计算复杂的问题，且没有很好地解决类别不平衡现象，存在着预测准确性低的问题。

为解决上述问题，本发明实施例中的技术方案通过获取基于boosting的软件缺陷预测模型，并采用所获取的软件预测模型对待预测软件进行缺陷预测，相较于传统的软件缺陷预测方法，可以简化软件缺陷预测模型的计算，节约计算资源，并可以提高软件缺陷预测模型的准确性。

为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

图1示出了本发明实施例提供了一种软件缺陷预测方法的流程示意图。参见图1，所述软件缺陷预测方法，可以包括如下的步骤：

步骤S101：获取基于boosting的软件缺陷预测模型。

在具体实施中，所述基于boosting的软件缺陷预测模型，为采用boosting过程计算得到多核学习的最优参数配置，可以解决现有的多核学习的优化问题存在计算复杂的问题，可以节约计算资源，提高基于boosting的软件缺陷预测模型的获取效率。

步骤S102：采用所获取的软件预测模型对待预测软件进行缺陷预测。

在具体实施中，当得到基于boosting的软件缺陷预测模型时，便可以采用所得到的基于boosting的软件缺陷预测模型对待预测软件的缺陷模块进行预测。

上述的方案，通过获取基于boosting的软件缺陷预测模型，并采用所获取的软件预测模型对待预测软件进行缺陷预测，相较于传统的软件缺陷预测方法，可以简化软件缺陷预测模型的计算，节约计算资源，并可以提高软件缺陷预测模型的准确性。

图2示出了本发明实施例中的一种基于boosting的软件缺陷预测模型的训练方法，具体可以包括如下的操作：

步骤S201：采用预先确定的M个核函数和原始数据集，训练得到对应的M个SVM分类器。

在具体实施中，所述M个核函数，为采用；

所述原始数据集包括原始的训练集和测试集；当对于；

所述M个SVM分类器可以采用

步骤S202：采用所述M个核函数将原始数据集映射到预设的高维空间，得到预处理后的训练数据集。

在具体实施中，所述高维空间为二维及以上维数的空间，本领域的技术人员可以根据实际的需要进行选取，在此不做限制。

步骤S203：采用所述预处理后的训练数据集和所得到的M个SVM分类器，确定M个基于核的弱分类器。

在本发明一实施例中，在采用所述预处理后的训练数据集和所得到的M个SVM分类器，确定M个基于核的弱分类器时，首先选择具有M个不同宽度的高斯核函数，然后使用这M个基核分别将NASA和AEEEM里面的每一个工程项目映射到一个新的特征空间。对于弱分类器SVM，结合每个核函数得到的新特征，得到M个基于核的分类器，整个过程采用流行的LISVM(the toolkit includes two kinds of classification，two kinds ofregression，and a kind of support vector machine algorithm)工具箱作为SVM求解器。

当确定M个基于核的弱分类器时，现有的常规的多核学习的目的是确定M个基本内核的最佳选择，多核学习的目标是通过最优化方法来求取合成核的参数，其最优化形式为：

且：

Ξ＝{α|α∈[0，C]^T} (4)

其中，α_T表示T次样本权重，e_M表示M维向量，α表示样本权重，y表示类型标签，θ_j表示权系数，K^j∈R^N×N表示一个基本核函数，x_p表示p行元素，x_q表示q列元素，表示为两个向量的内积，j表示第j个核函数。

从公式(1)可以看到此方程的优化计算很复杂，为了避免这个问题可以采用boosting过程来计算多核学习的参数，也即后续的步骤S204～S204。

步骤S204：采用所述预处理后的训练数据集、对应的训练数据集分布和对所述M个基于核的弱分类器执行T次boosting过程，分别得到每一次boosting过程对应的基于核的弱分类器和权重。

在具体实施中，每一次boosting过程中为了得到对应的基于核的弱分类器f_t(x)。在执行每一次boosting过程时，可以首先使用常规分类方法学习单个核分类器f_t ^j(x)和每个单核函数接着，可以基于M个的集合分类器，进一步计算其中的核函数对整个训练数据集的分布D_t中每个基于核的弱分类器f_t ^j(x)的错误分类误差，并将所得到最小的错误分类误差对应的基于核的弱分配器，作为执行当前次的boosting过程得到的基于核的弱分类器f_t(x)。

当目标被错分成其他类的代价有比较大的差异的时候，区分这些代价是有必要的，即使是被错分类，也是希望被错分到代价较小的类上。因此，在本发明一实施例中，为了进一步提高分类的准确性，在计算每个基于核的弱分类器f_t ^j(x)的错误分类误差时，加上代价敏感矩阵，对应的错误分类误差表示如下：

其中，ε_t和ε(f_t ^j(x))表示执行第t次boosting过程得到的第j个基于核的弱分类器，cost(l，g)为敏感代价矩阵，表示l类被错分成g类的代价，D_t(i)表示表示t次boosting过程的第i个项目的权重，f_t ^j(x_i)表示单核分类器f_t ^j(x)下第i个项目的类型标记，N表示项目数。

当采用所获取的预处理后的训练数据集和对应的权重向量对所述M个基于核的弱分类器执行当前次的boosting过程，分别得到M个基于核的弱分类器的分类误差时，便可以将最小分类误差对应的基于核的弱分类器，作为执行当前次boosting过程得到的基于核的弱分类器，也即得到基于核的弱分类器f_t(x)，可以采用如下的公式进行表示：

其中，f_t(x)表示第t次boosting过程得到的基于核的弱分类器，f_t ^j(x)表示第t次boosting过程得到的M个基于核的弱分类器中第j个基于核的弱分类器。

接着，可以基于所述最小分类误差，计算所述执行当前次boosting过程得到的基于核的弱分类器对应的权重。在本发明一实施例中，采用如下的公式计算所述执行当前次boosting过程得到的基于核的弱分类器对应的权重：

其中，α_t表示执行第t次boosting过程得到的基于核的弱分类器对应的权重，ε_t表示第t次boosting过程得到的基于核的弱分类器的最小分类误差。

当得到基于核的弱分类器f_t(x)对应的权重α_t时，当前次，即第t次的boosting过程完成。

在得到α_t之后，尅根据第t次boosting训练的结果更新第t+1次boosting过程对应的权重向量D_t+1。其中，一般权重向量D_t+1的更新原则直接是通过分类的结果，提高错分样本的权重，降低正确分类样本的权重，目的是为了将重点放在下次boosting过程中错误分类的样本上，其权重向量更新表达式为：

其中，D_t+1，i表示t+1次boosting过程的第i个项目的权重，D_t，i表示t次boosting过程的第i个项目的权重，Z_i表示第i个项目的规范化因子，y_i表示第i个项目的标签。

在本发明一实施例中，根据分类的结果，权重向量的更新策略表示为：

这样，通过重复执行上述的boosting过程共T次，得到每一次boosting过程对应的权重向量α_t和基于核的弱分类器f_t(x)，也即得到(α₁，f₁(x))、(α₂，f₂(x))......(α_T，f_T(x))。

步骤S205：采用T次boosting过程对应的基于核的弱分类器和权重，计算得到所述基于boosting的软件缺陷预测模型。

在具体实施中，当得到T次boosting过程对应的权重向量和基于核的弱分类器，也即得到(α₁，f₁(x))、(α₂，f₂(x))......(α_T，f_T(x))时，可以采用求和的方式，得到最终的分类器，也即所述基于boosting的软件缺陷预测模型：

其中，G(x)表示基于boosting的软件缺陷预测模型，f(x)表示集成后的分类器，sign(.)表示符号函数。

上述对本发明实施例中的软件缺陷预测方法进行详细的描述，下面将对上述的方法对应的装置进行介绍。

图3示出了本发明实施例还提供了一种软件缺陷预测装置的结构示意图。如图3所示，一种软件缺陷预测装置30可以包括获取单元301和预测单元302，其中：

所述获取单元301，适于获取基于boosting的软件缺陷预测模型。

所述预测单元302，采用所获取的软件预测模型对待预测软件进行缺陷预测。

在具体实施中，所述装置30还可以包括模型训练单元303，其中：

所述模型训练单元303，适于采用预先确定的M个核函数和原始数据集，训练得到对应的M个SVM分类器；采用所述M个核函数将原始数据集映射到预设的高维空间，得到预处理后的训练数据集；采用所述预处理后的训练数据集和所得到的M个SVM分类器，确定M个基于核的弱分类器；采用所述预处理后的训练数据集、对应的训练数据集分布和对所述M个基于核的弱分类器执行T次boosting过程，分别得到每一次boosting过程对应的基于核的弱分类器和权重；采用T次boosting过程对应的基于核的弱分类器和权重，计算得到所述基于boosting的软件缺陷预测模型。在本发明一实施例中，T＝100。

具体实施中，所述模型训练单元303，适于采用所获取的预处理后的训练数据集和对应的权重向量对所述M个基于核的弱分类器执行当前次的boosting过程，分别得到M个基于核的弱分类器的分类误差；将最小分类误差对应的基于核的弱分类器，作为执行当前次boosting过程得到的基于核的弱分类器；基于所述最小分类误差，计算所述执行当前次boosting过程得到的基于核的弱分类器对应的权重；采用计算得到的权重对所述权重向量进行更新，得到下一次的boosting过程对应的权重向量，直至T次boosting过程全部执行完毕，得到每一次boosting过程对应的基于核的弱分类器和权重。

在本发明一实施例中，在所述模型训练单元303，适于采用如下的公式计算得到M个基于核的弱分类器的分类误差：

其中，ε_t和ε(f_t ^j(x))表示执行第t次boosting过程得到的第j个基于核的弱分类器，cost(l，g)为敏感代价矩阵，表示l类被错分成g类的代价，D_t(i)表示第i个项目的权重，f_t ^j(x_i)表示单核分类器f_t ^j(x)下第i个项目的类型标记，N表示项目数。

在本发明一实施例中，在所述模型训练单元303，执行每一次boosting过程对应的基于核的弱分类器可以表示为：

其中，f_t(x)表示第t次boosting过程得到的基于核的弱分类器，f_t ^j(x)表示第t次boosting过程得到的M个基于核的弱分类器中第j个基于核的弱分类器。

在本发明一实施例中，在所述模型训练单元303，适于采用如下的公式计算所述执行当前次boosting过程得到的基于核的弱分类器对应的权重：

其中，α_t表示执行第t次boosting过程得到的基于核的弱分类器对应的权重，ε_t表示第t次boosting过程得到的基于核的弱分类器的最小分类误差。

在本发明一实施例中，在所述模型训练单元303，适于采用如下的公式对所述权重向量进行更新：

i＝1，2，...，N；其中，D_t+1，i表示t+1次boosting过程的第i个项目的权重，D_t，i表示t次boosting过程的第i个项目的权重，Z_i表示第i个项目的规范化因子，y_i表示第i个项目的标签。

本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行时所述的软件缺陷预测方法的步骤。其中，所述软件缺陷预测方法请参见前述部分的介绍，不再赘述。

本发明实施例还提供了一种终端，包括存储器和处理器，所述存储器上储存有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行所述的软件缺陷预测方法的步骤。其中，所述软件缺陷预测方法请参见前述部分的介绍，不再赘述。

采用本发明实施例中的上述方案，通过获取基于boosting的软件缺陷预测模型，并采用所获取的软件预测模型对待预测软件进行缺陷预测，相较于传统的软件缺陷预测方法，可以简化软件缺陷预测模型的计算，节约计算资源，并可以提高软件缺陷预测模型的准确性。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，本发明要求保护范围由所附的权利要求书、说明书及其等效物界定。

Claims (10)

1.一种软件缺陷预测方法，其特征在于，包括：

获取基于boosting的软件缺陷预测模型；

采用所获取的软件预测模型对待预测软件进行缺陷预测。

2.根据权利要求1所述的软件缺陷预测方法，其特征在于，所述基于boosting的软件缺陷预测模型为采用如下的方式得到：

采用预先确定的M个核函数和原始数据集，训练得到对应的M个SVM分类器；

采用所述M个核函数将原始数据集映射到预设的高维空间，得到预处理后的训练数据集；

采用所述预处理后的训练数据集和所得到的M个SVM分类器，确定M个基于核的弱分类器；

采用所述预处理后的训练数据集、对应的训练数据集分布和对所述M个基于核的弱分类器执行T次boosting过程，分别得到每一次boosting过程对应的基于核的弱分类器和权重；

采用T次boosting过程对应的基于核的弱分类器和权重，计算得到所述基于boosting的软件缺陷预测模型。

3.根据权利要求2所述的软件缺陷预测方法，其特征在于，所述采用所述预处理后的训练数据集、对应的训练数据集分布和对所述M个基于核的弱分类器执行T次boosting过程，分别得到每一次boosting过程对应的基于核的弱分类器和权重，包括：

采用所获取的预处理后的训练数据集和对应的权重向量对所述M个基于核的弱分类器执行当前次的boosting过程，分别得到M个基于核的弱分类器的分类误差；

将最小分类误差对应的基于核的弱分类器，作为执行当前次boosting过程得到的基于核的弱分类器；

基于所述最小分类误差，计算所述执行当前次boosting过程得到的基于核的弱分类器对应的权重；

采用计算得到的权重对所述权重向量进行更新，得到下一次的boosting过程对应的权重向量，直至T次boosting过程全部执行完毕，得到每一次boosting过程对应的基于核的弱分类器和权重。

4.根据权利要求3所述的软件缺陷预测方法，其特征在于，所述采用如下的公式计算得到M个基于核的弱分类器的分类误差：

其中，ε_t和ε(f_t ^j(x))表示执行第t次boosting过程得到的第j个基于核的弱分类器，cost(l，g)为敏感代价矩阵，表示l类被错分成g类的代价，D_t(i)表示第i个项目的权重，f_t ^j(x_i)表示单核分类器f_t ^j(x)下第i个项目的类型标记，N表示项目数。

5.根据权利要求4所述的软件缺陷预测方法，其特征在于，所述每一次boosting过程对应的基于核的弱分类器可以表示为：

其中，f_t(x)表示第t次boosting过程得到的基于核的弱分类器，f_t ^j(x)表示第t次boosting过程得到的M个基于核的弱分类器中第j个基于核的弱分类器。

6.根据权利要求5所述的软件缺陷预测方法，其特征在于，采用如下的公式计算所述执行当前次boosting过程得到的基于核的弱分类器对应的权重：

其中，α_t表示执行第t次boosting过程得到的基于核的弱分类器对应的权重，ε_t表示第t次boosting过程得到的基于核的弱分类器的最小分类误差。

7.根据权利要求6所述的软件缺陷预测方法，其特征在于，采用如下的公式对所述权重向量进行更新：

其中，D_t+1，i表示t+1次boosting过程的第i个项目的权重，D_t，i表示t次boosting过程的第i个项目的权重，Z_i表示第i个项目的规范化因子，y_i表示第i个项目的标签。

8.根据权利要求2-7任一项所述的软件缺陷预测方法，其特征在于，T＝100。

9.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时执行权利要求1至8任一项所述的软件缺陷预测方法的步骤。

10.一种终端，其特征在于，包括存储器和处理器，所述存储器上储存有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行权利要求1至8任一项所述的软件缺陷预测方法的步骤。