軟件產(chǎn)品已經(jīng)融入到我們?nèi)粘Ｉ畹姆椒矫婷?但是在軟件設(shè)計(jì)、開發(fā)、配置等過程中的種種因素導(dǎo)致軟件中不可避免存在缺陷。軟件模塊中隱藏的缺陷威脅著軟件產(chǎn)品的安全性,降低了軟件產(chǎn)品的可靠性。因此,在交付產(chǎn)品之前,檢測并修復(fù)有缺陷的軟件模塊是一項(xiàng)極為重要的軟件質(zhì)量保障活動。然而由于軟件規(guī)模和復(fù)雜性的持續(xù)增長,提高軟件質(zhì)量對軟件開發(fā)和測試人員來說是一項(xiàng)越來越具有挑戰(zhàn)性的任務(wù)。由于有限的測試資源通常無法支持對所有的代碼進(jìn)行全面的檢查,這需要一個優(yōu)先級次序來更好地分析軟件產(chǎn)品。換句話說,軟件開發(fā)人員和測試人員應(yīng)該合理地分配寶貴的資源來測試那些高概率包含缺陷的軟件模塊。為了尋求這種優(yōu)先級,研究人員提出了軟件缺陷預(yù)測來識別出這種高風(fēng)險模塊,進(jìn)而推薦給開發(fā)或者測試人員進(jìn)行優(yōu)先檢查。目前研究地最廣泛的缺陷預(yù)測方法是基于有監(jiān)督模型的技術(shù),它首先在有標(biāo)簽的軟件模塊上訓(xùn)練一個分類模型,然后使用它來識別沒有標(biāo)簽的模塊是否包含缺陷�；谟斜O(jiān)督的缺陷預(yù)測模型需要當(dāng)前項(xiàng)目或外部項(xiàng)目的歷史有標(biāo)簽數(shù)據(jù)作為訓(xùn)練集。根據(jù)訓(xùn)練集的來源不同,有監(jiān)督的缺陷預(yù)測可以分為版本內(nèi)缺陷預(yù)測場景、跨版本缺陷預(yù)測場景和跨項(xiàng)目缺陷預(yù)測場景。這三種場景... 

【文章來源】：武漢大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：129 頁

【學(xué)位級別】：博士

【部分圖文】：

軟件缺陷預(yù)測研究結(jié)構(gòu)圖

武漢大學(xué)博士學(xué)位論文46顯示的是在兩個數(shù)據(jù)集所有的15個項(xiàng)目上，這9個方法在6個性能指標(biāo)平均值上的Friedman檢驗(yàn)和Nemenyi事后檢驗(yàn)結(jié)果。從表3-9，表3-10和圖3-9中，我們有以下的發(fā)現(xiàn)：第一，表3-9中的結(jié)果表明，在NASA數(shù)據(jù)集的10個項(xiàng)目上，我們提出的KPWE框架在所有6個指標(biāo)上獲得最好的平均性能值；在AEEEM數(shù)據(jù)集的5個項(xiàng)目上，我們提出的KPWE框架在5個指標(biāo)(除了AUC)上獲得最好的平均性能值；在兩個數(shù)據(jù)集的15個項(xiàng)目上，我們提出的KPWE框架也在所有6個指標(biāo)上獲得最好的平均性能值。第二，對于KPWE在兩個數(shù)據(jù)集上所有項(xiàng)目的性能平均值來說，相比于5個對比方法，KPWE在F，MCC，AUC，EAP，EAR和EAF6個指標(biāo)上分別有17.6%，58.7%，9.3%，30.4%，16.7%和22.5%的平均提升；相比于5個對比方法中最好平均性能指標(biāo)值，KPWE在F，MCC，AUC，EAP，EAR和EAF6個指標(biāo)上分別有7.3%，15.9%，3.5%，15.1%，10.5%和12.8%的提升。第三，表3-10中的結(jié)果表明，在NASA數(shù)據(jù)集的10個項(xiàng)目上，沒有特定的哪一種方法能夠以最少的隱含層節(jié)點(diǎn)數(shù)在大部分項(xiàng)目上獲得最佳的性能值。但是在AEEEM數(shù)據(jù)集的5個項(xiàng)目上，F(xiàn)S方法能夠以最少的隱含層節(jié)點(diǎn)數(shù)在4個項(xiàng)目上獲得最佳的性能值，但是其在NASA數(shù)據(jù)集上沒有在任何項(xiàng)目上能夠以最少的隱含層節(jié)點(diǎn)數(shù)獲得最好的性能值。這說明在經(jīng)過這些特征選擇方法預(yù)處理后的數(shù)據(jù)上，能夠以最少的隱含層節(jié)點(diǎn)獲得最好性能值的方法在不同的項(xiàng)目上是不一樣的。(a)F-measure(b)MCC(c)AUC(d)EAP(e)EAR(f)EAF圖3-9KPWE和8個特征子集選擇方法的6個性能指標(biāo)值的統(tǒng)計(jì)檢驗(yàn)結(jié)果

不同場景的軟件缺陷預(yù)測方法研究53是軟件模塊的一個表示。為了保證每一個軟件模塊僅被一個軟件模塊所表示，需要有以下的一個約束條件∑=1=1，即矩陣的每一列元素的和為1。為了對上面的敘述有一個更好的理解，我們提供了一個圖形化的描述。假定每一個紅色的圓圈表示先前版本數(shù)據(jù)集中的一個軟件模塊，一個黃色的圓圈表示當(dāng)前版本塊數(shù)據(jù)集中的一個軟件模塊，另外虛線表示的是兩個軟件模塊之間的關(guān)聯(lián)關(guān)系(這里指的是DS3算法中的不相似性)。需要注意的是在執(zhí)行完DS3算法以后，如果一個紅色的圓圈和一個黃色的圓圈之間存在一條虛線連在一起，這表明這個紅色的圓圈表示的軟件模塊可以很好地代表這個黃色的圓圈表示的軟件模塊。圖4-1(a)顯示的是DS3算法的輸入，也就是兩個版本數(shù)據(jù)集的軟件模塊之間的點(diǎn)對不相似性。圖4-1(b)顯示的是運(yùn)行了DS3算法之后的結(jié)果示意圖。這個圖顯示DS3算法從先前版本數(shù)據(jù)集中選擇了3個軟件模塊(即2，4和6)作為代表來表示當(dāng)前版本數(shù)據(jù)集中的每一個軟件模塊。需要注意的是每一個黃色的圓圈僅僅只有一條虛線相連接，這是因?yàn)槲覀兎峙涿恳粋�當(dāng)前版本數(shù)據(jù)集的軟件模塊到一個先前版本數(shù)據(jù)集的軟件模塊。不同的是，每一個紅色的圓圈可以有多條虛線相連接，這是因?yàn)槊恳粋�先前版本數(shù)據(jù)集的軟件模塊可以代表多個當(dāng)前版本數(shù)據(jù)集的軟件模塊。比如，2能夠代表1和3。(a)兩個版本之間的點(diǎn)對不相似性(b)選擇出的能夠代表當(dāng)前版本的模塊圖4-1DS3方法示意圖為了基于不相似性矩陣從先前版本數(shù)據(jù)集中選擇一個有代表性的軟件模塊子集，DS3算法同時優(yōu)化以下兩項(xiàng)：min{}∑∑=1=1+2∑=1(||||)s.t.∑=1=1,;∈{0,1},,,(4-7)

【參考文獻(xiàn)】：
期刊論文
[1]軟件缺陷預(yù)測技術(shù)研究進(jìn)展[J]. 宮麗娜,姜淑娟,姜麗.  軟件學(xué)報. 2019(10)
[2]基于特征遷移和實(shí)例遷移的跨項(xiàng)目缺陷預(yù)測方法[J]. 倪超,陳翔,劉望舒,顧慶,黃啟國,李娜.  軟件學(xué)報. 2019(05)
[3]即時軟件缺陷預(yù)測研究進(jìn)展[J]. 蔡亮,范元瑞,鄢萌,夏鑫.  軟件學(xué)報. 2019(05)
[4]基于改進(jìn)深度森林算法的軟件缺陷預(yù)測[J]. 薛參觀,燕雪峰.  計(jì)算機(jī)科學(xué). 2018(08)
[5]跨項(xiàng)目軟件缺陷預(yù)測方法研究綜述[J]. 陳翔,王莉萍,顧慶,王贊,倪超,劉望舒,王秋萍.  計(jì)算機(jī)學(xué)報. 2018(01)
[6]數(shù)據(jù)驅(qū)動的軟件缺陷預(yù)測研究綜述[J]. 李勇,黃志球,王勇,房丙午.  電子學(xué)報. 2017(04)
[7]一種面向軟件缺陷預(yù)測的可容忍噪聲的特征選擇框架[J]. 劉望舒,陳翔,顧慶,劉樹龍,陳道蓄.  計(jì)算機(jī)學(xué)報. 2018(03)
[8]靜態(tài)軟件缺陷預(yù)測方法研究[J]. 陳翔,顧慶,劉望舒,劉樹龍,倪超.  軟件學(xué)報. 2016(01)
[9]軟件缺陷分類的研究[J]. 聶林波,劉孟仁.  計(jì)算機(jī)應(yīng)用研究. 2004(06)



本文編號：3452498