[发明专利]一种基于多模型选择的软件缺陷预测方法、设备及存储介质

权利要求书

1.一种基于多模型选择的软件缺陷预测方法，其特征在于：包括以下步骤：

步骤1)使用第一数据收集机制收集新到达的软件模块流数据，增量训练随机森林模型M0；同时，使用新数据更新混淆矩阵中的统计量以及样本均值的统计量；

步骤2)将当前时刻更新得到的样本均值用于概念漂移检测机制中，得到小样本平衡数据块D1和D2；

步骤3)基于SMOTE算法，对获取的数据块D1和D2中进行过采样，分别得到类别分布平衡的数据块D1’和D2’；

步骤4)在获得的数据块D1，D2，D1’和D2’上，分别建立随机森林分类模型M1,M2,M3和M4；

步骤5)计算训练得到的流数据分类模型M0，M1，M2，M3和M4对最新软件模块流数据的G-mean性能值，基于多模型选择得到软件缺陷预测模型M；

步骤6)使用软件缺陷预测模型M对软件缺陷数据的类别进行预测。

2.权利要求1所述的一种基于多模型选择的软件缺陷预测方法，其特征在于：步骤2)中使用概念漂移检测机制ADMIN检测当前数据中是否存在概念漂移。

3.权利要求2所述的一种基于多模型选择的软件缺陷预测方法，其特征在于：所述的概念漂移检测机制ADMIN包含：警告水平和漂移水平，基于警告水平和漂移水平形成数据块D1和数据块D2。

4.权利要求3所述的一种基于多模型选择的软件缺陷预测方法，其特征在于：ADWIN通过检测当前样本均值的变化来识别软件模块流数据的稳定性；若达到警告水平，则第一数据收集机制不再收集软件模块流数据，形成数据块D1；并则创建第二数据收集机制，用于收集从警告水平之后的软件模块流数据，直到当前的数据分布环境达到漂移水平，从而形成数据块D2。

5.权利要求1所述的一种基于多模型选择的软件缺陷预测方法，其特征在于：步骤3)中，所述SMOTE算法通过生成新的小样本平衡数据块D1和D2的数据分布，从而得到类别分布平衡的数据块D1’和D2’。

6.权利要求1所述的一种基于多模型选择的软件缺陷预测方法，其特征在于：步骤4)中M3和M4是建立在平衡数据块上的流数据集成分类模型，M1和M2中的训练数据的类别分布通常是不平衡的。

7.权利要求1所述的一种基于多模型选择的软件缺陷预测方法，其特征在于：步骤5)中，基于混淆矩阵中的值计算得到G-mean性能值，基于G-mean性能值，选M0,M1,M2,M3,M4中性能最好模型M代替当前正在增量训练的流数据集成分类模型M0。

8.权利要求1所述的一种基于多模型选择的软件缺陷预测方法，其特征在于：步骤6)中，若预测结果为+1，则为缺陷类样本，若预测结果为-1，则判别为非缺陷类样本。

9.一种基于多模型选择的软件缺陷预测设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述权利要求1-8任一所述的基于多模型选择的软件缺陷预测方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-8任一所述的基于多模型选择的软件缺陷预测方法。