[发明专利]一种基于聚类集成的软件缺陷预测方法

权利要求书

1.一种基于聚类集成的软件缺陷预测方法，其特征在于，包括：

从给定的项目数据中有放回的随机抽样N个软件实体x，从随机抽样的N个软件实体x中随机抽取m个度量元,形成数据集X_*，其中N为项目数据的软件实体总数；

基于数据集X_*，采用聚类算法，构建无监督软件缺陷预测模型；

根据无监督软件缺陷预测模型对软件实体进行缺陷预测，并对预测结果进行有缺陷和无缺陷标注,得到软件实体包含缺陷和无缺陷标注的预测标签向量p；

将所述预测标签向量p去除重复抽样的软件实体；

重复抽样数据集X_*并生成预测标签向量p多次，对于被抽取到的软件实体xⁱ,计算其被预测所生成的预测标签向量p(xⁱ)的平均值P(xⁱ)，将P(xⁱ)作为其集成预测结果；

若P(xⁱ)大于0.5则说明所抽取的软件实体xⁱ存在缺陷，若P(xⁱ)小于等于0.5则说明所抽取的软件实体xⁱ没有缺陷。

2.根据权利要求1所述的一种基于聚类集成的软件缺陷预测方法，其特征在于，

所述项目数据为待测软件项目的数据，软件实体指从程序代码或开发过程中抽取的实例模块，为方法、类、文件、包或代码变更。

3.根据权利要求2所述的一种基于聚类集成的软件缺陷预测方法，其特征在于，还包括：采用z-score方法，对给定的项目数据进行归一化处理；

所述归一化处理算法如下：

其中，x_i是软件实体x第i个度量元的原始值，x_i^*是x_i归一化后的值，μ_x是软件实体x的平均值，σ_x是软件实体x的标准差。

4.根据权利要求1所述的一种基于聚类集成的软件缺陷预测方法，其特征在于，所述聚类算法为谱聚类，其算法为：

构建邻接矩阵W，其算法为：

计算拉普拉斯矩阵L，其算法为：

L＝D-W

其中，D为度矩阵，为一个对角矩阵，其对角线元素

规范化拉普拉斯矩阵L得到L_sym，其算法为：

对L_sym进行特征值分解，选取其次小特征值所对应的特征向量ν，并将其标准化，得到无监督软件缺陷预测模型。

5.根据权利要求4所述的一种基于聚类集成的软件缺陷预测方法，其特征在于，所述对预测结果进行有缺陷和无缺陷标注包括：

将ν分为两簇，把ν0所对应的软件实体标记为缺陷类，把ν≤0所对应的软件实体标注为无缺陷类，如果ν0所对应软件实体的总体度量元值小于ν≤0所对应软件实体的总体度量元值，则将ν0所对应的软件实体标注为无缺陷类，其余的标注为缺陷类。

6.根据权利要求1所述的一种基于聚类集成的软件缺陷预测方法，其特征在于，所述集成预测结果P(xⁱ)算法为：

其中，xⁱ为被抽取到的待测软件实体，表示实际抽取到软件实体xⁱ的次数,p_j(xⁱ)为抽取到的软件实体xⁱ第j次预测所得到的标签向量。

7.根据权利要求1所述的一种基于聚类集成的软件缺陷预测方法，其特征在于，所述有放回的随机抽样N个软件实体x包括：每次有放回的从给定项目数据X＝{x¹,x²,…,x^N}∈R^M×N中抽取1个实体，共抽取N次，其中M表示项目数据X的软件度量元个数，N表示数据X的软件实体个数。