[发明专利]基于复杂性度量的BPEL过程数据流错误预测方法

权利要求书

1.一种基于复杂性度量的BPEL过程数据流错误预测方法，用于分类预测BPEL过程是否存在数据流错误，其特征在于，以解析BPEL过程数据集得到的复杂性度量指标和数据流错误的数据为输入，以分类预测准确度和最终选择的复杂性度量指标为输出结果，特征为复杂性度量指标，分类变量为是否具有数据流错误，该预测方法具体步骤为：

步骤1，解析数据集中的BPEL过程，计算每个适用于BPEL过程的复杂性度量指标的值并检测该过程中所包含的数据流错误；

步骤2，将复杂性度量指标和是否具有数据流错误两者进行分析，筛选出候选特征；

步骤3，将候选特征进行枚举组合，并以此为输入特征，而分类变量为是否具有数据流错误，运用WEKA数据挖掘软件中分类算法对数据流错误进行分类预测，根据所得的分类预测准确度结果，确定最终选择的特征。

2.根据权利要求1所述的基于复杂性度量的BPEL过程数据流错误预测方法，其特征在于，步骤1具体包括以下步骤：

步骤1.1，由于BPEL基于XML编写的语言，具有块结构特性，因此将统计到的复杂性度量指标中的不适用的度量指标去掉；

步骤1.2，计算剩下的复杂性度量指标值和运用现有的数据流错误检测方法检测得到数据流错误。

3.根据权利要求1所述的基于复杂性度量的BPEL过程数据流错误预测方法，其特征在于，步骤2具体包括以下步骤：

步骤2.1，将所有的复杂性度量指标和数据流错误进行相关性分析，相关性分析采用Spearman相关性计算方法，使用统计分析工具SPSS进行相关分析计算；

步骤2.2，从所有复杂性度量指标中除去与数据流错误相关性强度为中等以下的复杂性度量指标；

步骤2.3，将剩下的复杂性度量指标根据度量指标的类别和类型进行分组；即先按照控制流和数据流分大类，再按照复杂性度量指标的类型分组；

步骤2.4，基于每组中复杂性指标与数据流错误最大相关性的原则，从每组中挑选相关性最大的一个指标加入到候选度量指标集合中，最终得到候选度量指标的集合。

4.根据权利要求3所述的基于复杂性度量的BPEL过程数据流错误预测方法，其特征在于，步骤2.2中，相关性强度中等以下的复杂性度量指标是指相关性强度0.5以下的复杂性度量指标。