[发明专利]一种基于机器学习的软件缺陷确认方法有效
| 申请号： | 201811477275.9 | 申请日： | 2018-12-05 |
| 公开（公告）号： | CN109726120B | 公开（公告）日： | 2022-03-08 |
| 发明（设计）人： | 柯文俊;刘悦悦;江山;李雅斯;王坤龙 | 申请（专利权）人： | 北京计算机技术及应用研究所 |
| 主分类号： | G06F11/36 | 分类号： | G06F11/36;G06K9/62;G06N20/00 |
| 代理公司： | 中国兵器工业集团公司专利中心 11011 | 代理人： | 张然 |
| 地址： | 100854*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于机器学习的软件缺陷确认方法，包括：步骤一：构建特征向量；步骤二：基于聚类分析的缺陷代码知识库构建，包括：以缺陷代码特征向量集作为数据集输入，聚类集成；对一个数据集进行聚类集成，首先要产生多个聚类结果，然后对这些聚类进行集成；包括进行多个聚类结果收集以及多个聚类结果集成；形成缺陷代码知识库样本；步骤三：基于监督学习的缺陷代码确认，包括：以获得的缺陷代码知识库样本为输入，构建多类分类器并用测试样本判断分类器是否满足评价指标；若不满足评价指标，引入代价函数对分类器进行迭代优化直至满足指标。本发明完成对误报缺陷和非误报缺陷的分离工作，达到软件缺陷精确确认、提高测试效率的目的。 | ||
| 搜索关键词： | 一种 基于 机器 学习 软件 缺陷 确认 方法 | ||
【主权项】：
1.一种基于机器学习的软件缺陷确认方法，其特征在于，包括：步骤一：构建特征向量，包括：首先逐条提取缺陷代码集中的缺陷代码片段，采用基于切片分析的代码过滤将缺陷代码片段过滤为最小化缺陷代码片段，然后使用语法分析树方法将代码片段转化为抽象语法树，并根据不同的代码规则，选择合适的C语言关键字集组成多行代码的特征矩阵，再依据特征矩阵合并方法，最终得到缺陷代码特征向量集，供后续机器学习使用；步骤二：基于聚类分析的缺陷代码知识库构建，包括：以缺陷代码特征向量集作为数据集输入，聚类集成；对一个数据集进行聚类集成，首先要产生多个聚类结果，然后对这些聚类进行集成；包括进行多个聚类结果收集以及多个聚类结果集成；形成缺陷代码知识库样本；步骤三：基于监督学习的缺陷代码确认，包括：以获得的缺陷代码知识库样本为输入，构建多类分类器并用测试样本判断分类器是否满足评价指标；若不满足评价指标，引入代价函数对分类器进行迭代优化直至满足指标。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京计算机技术及应用研究所，未经北京计算机技术及应用研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811477275.9/，转载请声明来源钻瓜专利网。
