[发明专利]软件的缺陷预测方法和装置、存储介质和电子装置

权利要求书

1.一种软件的缺陷预测方法，其特征在于，包括：

通过第一目标网络对源域数据集和目标域数据集分别进行编码，得到所述源域数据集对应的第一内在编码向量、以及所述目标域数据集对应的第二内在编码向量；

将所述第一内在编码向量和所述第二内在编码向量分别输入至第二目标网络，得到所述第一内在编码向量对应的第一潜在编码向量、以及所述第二内在编码向量对应的第二潜在编码向量；

通过所述第一内在编码向量和所述第一潜在编码向量确定第一特征向量，以及通过所述第二内在编码向量和所述第二潜在编码向量确定第二特征向量；

使用目标分类器对所述第二特征向量进行分类，得到分类结果，其中，所述分类结果用于表示所述第二特征向量是否存在缺陷。

2.根据权利要求1所述的方法，其特征在于，在所述通过第一目标网络对源域数据集和目标域数据集分别进行编码，得到所述源域数据集对应的第一内在编码向量、以及所述目标域数据集对应的第二内在编码向量之前，所述方法还包括：

构建源域网络，其中，所述第一目标网络包括所述源域网络；

将所述源域数据集输入至所述源域网络；

通过以下公式确定所述源域网络对应的第一网络参数；

其中，所述第一网络参数用于表示输入至所述源域网络的数据与输出所述源域网络的数据之间的重构误差，所述Q1为所述第一网络参数，所述源域网络的第i个输入所述源域网络为M+1为所述源域网络的层数，为经过所述源域网络学习后的重构输出表示，所述表示源域中第i个样本，所述表示所述源域网络的网络参数；

构建目标域网络，其中，所述第一目标网络包括所述目标域网络；

将所述目标域数据集输入至所述目标域网络；

通过以下公式确定所述目标域网络对应的第二网络参数；

其中，所述第二网络参数用于表示输入至所述目标域网络的数据与输出所述目标域网络的数据之间的重构误差，所述Q2为所述第二网络参数，所述目标域网络的第i个输入所述目标域网络为M+1为所述目标域网络的层数，为经过所述目标域网络学习后的重构输出表示，所述表示目域中i个样本，所述表示所述目标域网络的网络参数。

3.根据权利要求2所述的方法，其特征在于，所述通过第一目标网络对源域数据集和目标域数据集分别进行编码，得到所述源域数据集对应的第一内在编码向量、以及所述目标域数据集对应的第二内在编码向量，包括：

在所述Q1小于第一阈值的情况下，通过以下公式确定所述第一内在编码向量：

在所述Q2小于第二阈值的情况下，通过以下公式确定所述第二内在编码向量：

其中，C^(M/2,目)为所述第二内在编码向量，

4.根据权利要求2所述的方法，其特征在于，所述将所述第一内在编码向量和所述第二内在编码向量分别输入至第二目标网络，得到所述第一内在编码向量对应的第一潜在编码向量、以及所述第二内在编码向量对应的第二潜在编码向量，包括：

构建全局编码网络，其中，所述第二目标网络包括所述全局编码网络；

将所述第一内在编码向量和所述第二内在编码向量分别输入至所述全局编码网络，得到所述第一内在编码向量对应的第一潜在编码向量、以及所述第二内在编码向量对应的第二潜在编码向量；

在所述将所述第一内在编码向量和所述第二内在编码向量分别输入至所述全局编码网络，得到所述第一内在编码向量对应的第一潜在编码向量、以及所述第二内在编码向量对应的第二潜在编码向量之后，所述方法还包括：

通过以下公式确定所述全局编码网络对应的第三网络参数；

其中，所述C^(M/2,源)为所述第一内在编码向量，所述G^(L,源)为所述第一潜在编码向量，所述C^(M/2,目)为所述第二内在编码向量，所述G^(L,目)为所述第二潜在编码向量，所述全局编码网络为L表示所述全局编码网络的层数，所述I表示全局编码网络的输入。