[发明专利]基于样本分布特征和SPY算法的软件缺陷预测方法

权利要求书

1.基于样本分布特征和SPY算法的软件缺陷预测方法，其特征在于，包括如下步骤：

步骤1)基于软件缺陷数据集提取样本特征；包括获取样本不平衡度、获取同类样本之间的平均距离和获取样本方差；

步骤2)自适应边界k值计算，根据k近邻算法选择边界样本；

a)自适应边界k值计算

不同数据集的分布特征都不相同，k的取值需要根据数据集的分布特征来自适应调整；根据整体数据集的分布情况，从距离和方差两个角度出发，提出了k值的两种计算公式；为了防止边界k过大或者过小，将k值约束了范围，在5至15之间；

从样本个体的距离出发，结合样本整体不平衡率，得到了以下的公式；

s.t.k₁∈[5,15]

式中imblance为样本不平衡率，dp_average为少数类样本之间的平均距离，dn_average为多数类样本之间的平均距离；

从两类样本总体的方差角度出发，结合样本整体的不平衡率，得到了k值的另一个计算公式：

s.t.k₂∈[5,15]

式中imblance为样本不平衡率，S_P为少数类样本的总体方差，S_N为多数类样本的总体方差；

b)边界样本选择

根据得到的边界k值，使用K近邻算法计算每个少数类样本周围的k个近邻样本；在这k个近邻样本中，如果多数类样本的个数多于少数类样本的个数，且近邻少数类样本的个数不为0，则被选为少数类边界样本；

步骤3)对少数类样本进行k近邻运算，计算得到少数类样本周围的近邻样本；对于每一个少数类样本而言，如果其近邻样本中少数类样本的个数大于多数类样本的个数，则说明该样本处于相对较安全的区域，此时，这些近邻样本中的多数类样本视为SPY样本；选择少数类样本周围的SPY样本，使用SPY样本引导边界区域的少数类样本更好地分类，以此来提高整体的软件缺陷预测水平；

步骤4)在边界少数类样本中进行过采样，来平衡数据集；

步骤5)对SPY样本和其他样本分别设置训练权重；

将SPY样本的训练权重设置为0.5，将其他样本的权重都设置为1；权重的控制使得SPY样本在引导边界少数类样本正确分类的同时，减轻对边界区域多数类样本的分类影响，整体上提升总体的分类预测效果；

步骤6)使用机器学习模型进行数据集的训练及预测。