基于LLE-SVM軟件缺陷預(yù)測(cè)模型的研究.pdf

1、軟件在社會(huì)生活中扮演著重要的角色，隨著軟件系統(tǒng)復(fù)雜性的提高，軟件缺陷的數(shù)量日漸增加，它所帶來(lái)的危害也越發(fā)嚴(yán)重，對(duì)軟件系統(tǒng)安全性的影響也日益增大。軟件缺陷預(yù)測(cè)技術(shù)能夠幫助測(cè)試人員準(zhǔn)確定位有缺陷的軟件模塊，提高發(fā)現(xiàn)缺陷的效率。
　　軟件缺陷預(yù)測(cè)是通過缺陷預(yù)測(cè)技術(shù)對(duì)軟件度量數(shù)據(jù)進(jìn)行分析，從而得到缺陷信息。為了更準(zhǔn)確的評(píng)估軟件系統(tǒng)，必然會(huì)引入越來(lái)越多的度量屬性。然而在軟件缺陷預(yù)測(cè)過程中引入過多度量屬性會(huì)導(dǎo)致數(shù)據(jù)冗余，冗余的數(shù)據(jù)會(huì)使預(yù)測(cè)準(zhǔn)確

2、率下降。本文針對(duì)這一問題，設(shè)計(jì)構(gòu)建局部線性嵌入支持向量機(jī)（ LLE-SVM）模型來(lái)進(jìn)行軟件缺陷預(yù)測(cè)。在課題的研究過程中，通過分析了軟件缺陷數(shù)據(jù)集的特征，采用局部線性嵌入算法（LLE）實(shí)現(xiàn)數(shù)據(jù)降維。將高維歐氏空間中的軟件缺陷數(shù)據(jù)在低維空間中進(jìn)行重構(gòu)，并保留軟件缺陷數(shù)據(jù)在高維歐氏空間中的流形結(jié)構(gòu)，由此求出相應(yīng)的嵌入映射，從而實(shí)現(xiàn)了數(shù)據(jù)維數(shù)的約簡(jiǎn)。使用支持向量機(jī)（SVM）作為基礎(chǔ)分類器，并用降維后的數(shù)據(jù)訓(xùn)練SVM，給出了 LLE-SVM的軟件