[发明专利]软件缺陷预测方法及装置

权利要求书

1.一种软件缺陷预测方法，其特征在于，包括：

对待预测软件的软件模块源代码进行静态度量，构建缺陷向量；

将所述缺陷向量通过预设投影矩阵映射到几何空间中得到映射缺陷向量；所述预设投影矩阵为在训练获得经过训练的预测模型的过程中，使得样本向量集的样本缺陷子集之间的相对熵距离的几何均值最大的投影矩阵，所述样本缺陷子集包括有缺陷子集和无缺陷子集；

将所述映射缺陷向量输入到所述经过训练的预测模型中，通过所述经过训练的预测模型，将所述映射缺陷向量与所述样本缺陷子集的马氏距离最小的样本缺陷子集所对应的类别，作为所述待预测软件对应的缺陷预测结果；

所述预设投影矩阵表示为：

其中，W^*为预设投影矩阵，C为所述样本向量集的所述样本缺陷子集的个数；D_W(p_c1||p_c2)为在几何空间下的两个所述样本缺陷子集之间的相对熵距离；q_c，表示为样本缺陷子集{x_ci}的先验概率，c为c1、c2、m或n，c1、c2、m、n的取值范围为1至C；α为权重因子。

2.根据权利要求1所述的软件缺陷预测方法，其特征在于，所述将所述缺陷向量通过预设投影矩阵映射到几何空间中得到映射缺陷向量的步骤之前，还包括：

对已知的样本软件的软件模块源代码进行静态度量，构成样本向量，各所述样本向量组成样本向量集；

根据所述样本向量集的样本缺陷子集确定所述样本缺陷子集的协方差矩阵；

根据所述样本缺陷子集的协方差矩阵，将所述样本缺陷子集之间的相对熵距离的几何均值最大的投影矩阵确定为所述预设投影矩阵。

3.根据权利要求2所述的软件缺陷预测方法，其特征在于，所述将所述映射缺陷向量输入到所述经过训练的预测模型之前，还包括：

将所述样本向量集通过所述预设投影矩阵映射到几何空间中，得到映射向量集；

根据所述样本缺陷子集对应的所述映射向量集的映射缺陷子集确定映射后的所述样本缺陷子集的协方差矩阵；

对映射后的所述样本缺陷子集的协方差矩阵进行特征分解，确定映射后的所述样本缺陷子集的协方差矩阵的特征值及特征向量；

根据所述映射后的所述样本缺陷子集的协方差矩阵的特征值及特征向量对预测模型进行特征分解，得到所述经过训练的预测模型。

4.根据权利要求3所述的软件缺陷预测方法，其特征在于，所述在经过训练的预测模型中所述映射缺陷向量与所述样本缺陷子集的马氏距离表示为：

D_c(y,Σ_c)表示所述映射缺陷向量与所述样本缺陷子集的马氏距离；Λ_c＝diag[λ_c1,...,λ_cd]，其中，λ_cj，j＝1,...,d是映射后的所述样本缺陷子集的协方差矩阵的特征值；其中，是映射后的所述样本缺陷子集的协方差矩阵的特征向量；d为对所述软件模块源代码进行静态度量时的度量值的数量；为所述映射缺陷子集的均值；y为所述映射缺陷向量。