[发明专利]软件缺陷预测方法和系统

摘要

本发明涉及一种软件缺陷预测方法和系统，获取样本软件模块并进行聚类处理，得到聚类子集。计算聚类子集的高斯参数，并根据高斯参数生成伪缺陷样本，根据软件缺陷样本集和伪缺陷样本得到更新缺陷样本集。根据更新缺陷样本集进行训练得到缺陷预测模型，根据缺陷预测模型对待测软件模块进行缺陷预测并输出预测结果。对样本软件模块采用聚类的方式形成聚类子集，对聚类子集进行高斯分析计算得到高斯参数，然后根据高斯参数生成伪缺陷样本。通过增加更多的缺陷数据生成更新缺陷样本集进行训练，提高缺陷预测模型的准确度，使缺陷预测模型能够更好的对缺陷数据进行估计和拟合，提高了对软件缺陷的预测准确性。

主权项

一种软件缺陷预测方法，其特征在于，包括以下步骤：获取样本软件模块并进行聚类处理，得到聚类子集；计算所述聚类子集的高斯参数，并根据所述高斯参数生成伪缺陷样本；根据软件缺陷样本集和伪缺陷样本得到更新缺陷样本集；所述软件缺陷样本集为对样本软件模块进行静态度量得到；根据所述更新缺陷样本集进行训练得到缺陷预测模型；根据所述缺陷预测模型对待测软件模块进行缺陷预测，并输出预测结果；所述高斯参数包括均值和方差；计算所述聚类子集的高斯参数，并根据所述高斯参数生成伪缺陷样本的步骤，包括以下步骤：计算聚类子集的均值，具体为：μk=1MkΣi=1Mkxik={μ1k,μ2k,...,μnk}]]>其中，μk表示均值，Mk为聚类子集中样本向量的数量，表示均值μk在第n维的度量值；计算聚类子集在每一维的方差，具体为：σjk=1MkΣi=1Mk(xijk-μjk)2,j=1,2,...,n]]>其中，表示聚类子集在第j维的方差，n为维数，表示样本向量在第j维的度量值，表示均值μk在第j维的度量值；根据所述聚类子集在每一维的方差，对应生成聚类子集在每一维的随机数，具体为：对于第j维，根据高斯分布生成随机数取12个在[0,1]上均匀分布的随机变量则根据所述聚类子集在每一维的随机数得到聚类子集的随机向量，具体为：ΔΛk={Δλ1k,Δλ2k,...,Δλnk}]]>其中，ΔΛk为随机向量，为聚类子集在第n维的随机数；根据所述聚类子集的均值和随机向量得到伪缺陷样本，具体为：t=μk+ΔΛk={μ1k+Δλ1k,μ2k+Δλ2k,...,μnk+Δλnk}]]>其中，t为伪缺陷样本，μk为聚类子集的均值，ΔΛk为随机向量。