[发明专利]软件缺陷预测方法和系统

权利要求书

1.一种软件缺陷预测方法，其特征在于，包括以下步骤：

获取样本软件模块并进行聚类处理，得到聚类子集；

计算所述聚类子集的高斯参数，并根据所述高斯参数生成伪缺陷样本；

根据软件缺陷样本集和伪缺陷样本得到更新缺陷样本集；所述软件缺陷样本集为对样本软件模块进行静态度量得到；

根据所述更新缺陷样本集进行训练得到缺陷预测模型；

根据所述缺陷预测模型对待测软件模块进行缺陷预测，并输出预测结果；

所述高斯参数包括均值和方差；计算所述聚类子集的高斯参数，并根据所述高斯参数生成伪缺陷样本的步骤，包括以下步骤：

计算聚类子集的均值，具体为：

μk=1MkΣi=1Mkxik={μ1k,μ2k,...,μnk}]]>

其中，μ^k表示均值，M_k为聚类子集中样本向量的数量，表示均值μ^k在第n维的度量值；

计算聚类子集在每一维的方差，具体为：

σjk=1MkΣi=1Mk(xijk-μjk)2,j=1,2,...,n]]>

其中，表示聚类子集在第j维的方差，n为维数，表示样本向量在第j维的度量值，表示均值μ^k在第j维的度量值；

根据所述聚类子集在每一维的方差，对应生成聚类子集在每一维的随机数，具体为：对于第j维，根据高斯分布生成随机数取12个在[0,1]上均匀分布的随机变量则

根据所述聚类子集在每一维的随机数得到聚类子集的随机向量，具体为：

ΔΛk={Δλ1k,Δλ2k,...,Δλnk}]]>

其中，ΔΛ^k为随机向量，为聚类子集在第n维的随机数；

根据所述聚类子集的均值和随机向量得到伪缺陷样本，具体为：

t=μk+ΔΛk={μ1k+Δλ1k,μ2k+Δλ2k,...,μnk+Δλnk}]]>

其中，t为伪缺陷样本，μ^k为聚类子集的均值，ΔΛ^k为随机向量。