[发明专利]一种面向软件缺陷个数预测的特征选择方法

权利要求书

1.一种面向软件缺陷个数预测的特征选择方法，其特征是，包括以下步骤：

步骤1，挖掘软件历史数据，从中抽取出有用的软件模块；软件模块粒度可根据实际应用场景，可设置为文件、包、类或函数；然后标记这些软件模块的缺陷数目；

步骤2，提取软件模块中与软件缺陷有关的特征，提取了20个度量属性：加权方法数，继承树深度，孩子数，对象类之间的耦合度，类的响应，内聚缺乏度，传入耦合，传出耦合，公开方法数，代码行数，数据访问度量，聚合度量，功能抽象度量，方法间的内聚度，继承耦合，方法间耦合，平均方法复杂度，最大McCabe环形复杂度，平均McCabe环形复杂度；这20个特征形成了原始的特征集；在经过了步骤1-2后，提取模块特征和标记软件模块的缺陷数目后形成了软件模块数据，其中，最后一位为该模块的缺陷个数：

步骤3，利用线性Pearson系数计算特征之间的关联性，两个特征之间的冗余度越大，它们的关联性就越强，关联性计算公式为:其中，x_ik，x_jk分别表示第k个软件模块X_k上特征f_i的值和特征f_j的值，分别表示在所有软件模块数据上特征f_i的均值和f_j的均值；r_ij表示特征f_i和特征f_j之间的关联度，取值介于-1和1之间；其越接近1或-1，关联性越强，越接近于0，关联性越弱；

步骤4，利用谱聚类算法根据特征之间的关联性对这些特征进行聚类，形成K个簇，具体包括：

步骤4.1，构造特征关联性矩阵W，其中W_ij表示特征f_i与特征f_j的关联性；两个特征的负相关性强，他们之间的冗余度也很高，由于特征关联性矩阵需要每个值都为正数，因此需要把步骤3中求得的特征关联性为负值的转换为绝对值；

步骤4.2，根据特征关联性矩阵W计算归一化对角矩阵

步骤4.3，根据归一化对角矩阵D计算归一化拉普拉斯图矩阵L＝D^1/2WD^1/2；

步骤4.4，计算普拉斯图矩阵L的特征向量，将前m个特征值最大的向量按列放置成一个矩阵X，即X＝[V₁,V₂,…,V_m]，其中V₁,V₂,…,V_m依次为前m个特征值最大的特征向量；

步骤4.5，归一化矩阵X形成矩阵Y；

步骤4.6，对矩阵Y按每行为一个数据，采用K-Means算法对所有模块数据进行聚类，矩阵Y中第i行的数据就是原来的第i个软件模块X_i，将特征集划分为K个簇；

步骤5，利用线性Pearson系数衡量计算每个特征与这些模块数据的缺陷数目之间的关联性R_i，其计算公式为:其中，x_ki，y_k分别表示第k个软件模块X_k上特征f_i和缺陷个数的取值，分别表示在所有软件模块数据上特征f_i和缺陷数目的均值；R_i表示特征f_i和缺陷个数间的关联度，取值介于-1和1之间；其越接近1或-1，关联性越强，越接近于0，关联性越弱；

步骤6，根据特征相关性对每个簇中的特征进行排序，从步骤5中获得的每个簇中选取相关性最高的n个特征构成最终的特征子集。