[发明专利]一种软件缺陷预测特征的选择方法及装置

权利要求书

1.一种软件缺陷预测特征的选择方法，其特征在于，包括：

根据历史软件缺陷数据库，获取领域缺陷数据集；

基于Bootstrap抽样技术对所述领域缺陷数据集进行抽样处理，生成软件缺陷样本集；

基于所述软件缺陷样本集和马尔科夫毯模型，对原始特征进行分组，得到多个特征组；

根据预先设计的启发式特征选择策略，从所述多个特征组中筛选出初始特征，得到筛选的候选特征序列；

基于遗传算法从所述候选特征序列中搜索出目标特征子集。

2.根据权利要求1所述的方法，其特征在于，所述基于软件缺陷样本集和马尔科夫毯模型，对原始特征进行分组，得到多个特征组，包括：

计算所述软件缺陷样本集中特征与特征之间的对称不确定性SU1值，及所述软件缺陷样本集中特征与目标类别之间的对称不确定性SU2值；所述目标类别包括：缺陷类别和非缺陷类别；

根据所述对称不确定性SU1值、所述对称不确定性SU2值和所述马尔科夫毯模型，对所述原始特征进行分组，得到所述多个特征组。

3.根据权利要求1所述的方法，其特征在于，所述根据预先设计的启发式特征选择策略，从所述多个特征组中筛选出初始特征，得到筛选的候选特征序列，包括：

获取所述多个特征组中类相关度最大的第一特征；

获取所述多个特征组中Fisher得分最高的第二特征；

获取所述多个特征组内特征相关度累加和最大的第三特征；

获取所述多个特征组间特征相关度累加和最小的第四特征；

基于所述第一特征、所述第二特征、所述第三特征和所述第四特征，生成所述候选特征序列。

4.根据权利要求3所述的方法，其特征在于，所述获取所述多个特征组中类相关度最大的第一特征，包括：

针对每个所述特征组，计算所述特征组内每个特征与目标类别之间的对称不确定性值；

选取所述对称不确定性值最大的特征作为所述第一特征。

5.根据权利要求3所述的方法，其特征在于，所述获取所述多个特征组中Fisher得分最高的第二特征，包括：

针对每个所述特征组，计算所述特征组内每个特征的Fisher评分值；

选取所述特征组内的所述Fisher评分值最高的特征作为所述第二特征。

6.根据权利要求3所述的方法，其特征在于，所述获取所述多个特征组内特征相关度累加和最大的第三特征，包括：

针对每个所述特征组，计算所述特征组内的一个特征与其它所有特征之前的对称不确定性值的和值；

将所述和值最大的特征作为所述第三特征。

7.根据权利要求3所述的方法，其特征在于，所述获取所述多个特征组间特征相关度累加和最小的第四特征，包括：

针对每个所述特征组，计算所述特征组内的每个特征与其它特征组内的所有特征的对称不确定性值的和值；

将所述特征组内的对称不确定性值的和值最大的特征作为所述第四特征。

8.根据权利要求1所述的方法，其特征在于，所述基于遗传算法从所述候选特征序列中搜索出目标特征子集，包括：

计算所述候选特征序列中每个特征出现的特征概率；

根据所述特征概率，生成由M个个体组成的初始种群；其中，M为正整数；

根据所述领域缺陷数据集、所述初始种群和适应度函数，计算所述M个个体对应的适应度；

根据所述适应度从所述候选特征序列中筛选出所述目标特征子集。