[发明专利]一种针对跨版本软件缺陷预测的数据噪声处理方法

权利要求书

1.一种针对跨版本软件缺陷预测的数据噪声处理方法，其特征在于，包括如下步骤：

S10通过余弦相似度计算数据集中样本件的相似性；

S20基于样本件的相似性归类数据集中簇集合C；具体为：

S201定义C＝Φ表示样本簇的集合，初始为空集；V＝Φ表示已被访问过的样本集合，初始为空集；参数相似性阈值为α；

S202依次遍历数据集X中的每一个样本，对于任一样本x_i，若它已在集合V中则直接跳过；否则从该样本出发搜索其所在的簇c_i，将簇c_i加入到集合C中，并将c_i包含的所有样本都加入到V中，再接着遍历下一样本，直至所有样本都被遍历完；

所述从该样本出发搜索其所在的簇c_i采用广度优先的方法，具体为：

初始化c_i＝Φ，通过相似性矩阵S找出所有与x_i相似性大于阈值α的样本，称为x_i的一阶邻居N₁(x_i)，即s_i,j＞α，将一阶邻居N₁(x_i)中所有样本都加入到c_i中；在数据集剩余样本中找出满足与N₁(x_i)中有至少一个样本的相似度大于α的样本，称为x_i的二阶邻居N₂(x_i)，即s_j,k＞α且N₁(x_i)∩N₂(x_i)＝Φ，将二阶邻居N₂(x_i)中所有样本都加入到c_i中；以此类推，直到不能再找到下一阶邻居，通过此过程得到的簇c_i中，对于任意一个样本，都能在簇中至少能找到另一个样本与其特征相似度大于α；

S30从簇集合C中对每簇判断其内部样本标签是否一致；

S40若不一致，则提取簇集合C的样本容量；

S50根据簇集合C的样本容量情况分别确定簇的本簇标签；

S60采用本簇标签对样本的噪声重标记；

所述S10之前还包括：

S01从与软件仓库中收集获得由软件模块特征及缺陷标签构成的数据集。

2.如权利要求1所述的针对跨版本软件缺陷预测的数据噪声处理方法，其特征在于，所述S50具体为：

S501若簇的样本容量大于阈值β，采用投票方式基于多数原则确定为本簇标签；

S502若簇的样本容量小于阈值β，基于最近原则通过计算簇的集合C中各种类别的样本中心距离选择本簇标签。

3.如权利要求1所述的针对跨版本软件缺陷预测的数据噪声处理方法，其特征在于，所述S10具体为：

将一个大小为n的缺陷预则数据集表示为X＝{x₁,x₂,...,x_n}，其中x_i＝(f_i¹,f_i²,...,f_i^m)表示数据集中第i个样本，而f_i^j表示第i个样本的第j维特征，采用余弦相似度计算数据集中样本件的相似性矩阵其中s_i,j＝cos(x_i,x_j)表示样本x_i与x_j之间的余弦相似度。