[发明专利]基于迁移学习和缺陷数量信息的跨公司软件缺陷预测方法

权利要求书

1.一种基于迁移学习和缺陷数量信息的跨公司软件缺陷预测方法，其特征在于，包括以下步骤：

步骤1：标注每个跨项目实例即训练数据有多少个缺陷；

步骤2：根据经验提取实例内的度量属性；

步骤3：数据预处理；

步骤4：基于加权跨项目实例集构建贝叶斯缺陷预测模型；

步骤5：根据贝叶斯缺陷预测模型预测本项目实例是否有缺陷。

2.根据权利要求1所述的基于迁移学习和缺陷数量信息的跨公司软件缺陷预测方法，其特征在于，步骤3的具体实现包括以下子步骤：

步骤3.1：使用迁移学习分析跨项目实例和本项目实例集之间相似度s_i；

步骤3.2：根据相似度s_i计算跨项目实例们的初始权重w_i；

步骤3.3：考虑跨项目实例的缺陷个数信息来对初始权值加以调整。

3.根据权利要求2所述的基于迁移学习和缺陷数量信息的跨公司软件缺陷预测方法，其特征在于，步骤3.1的具体实现过程是：计算本项目实例集即待预测实例中每个属性的取值范围，然后判断该跨项目实例即训练数据的每个属性是否在对应属性的取值范围内，若在对应属性的取值范围内，那么跨项目实例与本项目实例集的相似度s_i为满足条件的属性数目。

4.根据权利要求2所述的基于迁移学习和缺陷数量信息的跨公司软件缺陷预测方法，其特征在于：步骤3.2中，初始权重其中w_i为初始权重，s_i为该跨项目实例的相似度，k为项目实例的属性数目。

5.根据权利要求2所述的基于迁移学习和缺陷数量信息的跨公司软件缺陷预测方法，其特征在于，步骤3.3的具体实现过程是：赋予缺陷个数多的跨项目实例更大的权值，即在步骤3.2的基础上乘以该跨项目实例缺陷的个数。

6.根据权利要求1所述的基于迁移学习和缺陷数量信息的跨公司软件缺陷预测方法，其特征在于，步骤4的具体实现过程是：在加权跨项目实例集的基础上，构建贝叶斯缺陷预测模型，计算有无缺陷的先验概率和有无缺陷条件下各属性的条件概率。

7.根据权利要求1所述的基于迁移学习和缺陷数量信息的跨公司软件缺陷预测方法，其特征在于，步骤5的具体实现过程是：根据步骤4中得到的有无缺陷的先验概率和有无缺陷条件下各属性的条件概率，计算本项目实例是否存在缺陷的后验概率，如果计算得到的有缺陷概率大于等于无缺陷概率，则认为该本项目实例存在缺陷，反之没有缺陷。