基于距離度量學(xué)習(xí)的軟件缺陷預(yù)測(cè)方法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，如何準(zhǔn)確地預(yù)測(cè)出軟件中潛在的缺陷顯得至關(guān)重要。有效地利用軟件開(kāi)發(fā)工程中的歷史數(shù)據(jù)，幫助預(yù)測(cè)新開(kāi)發(fā)的軟件工程中的缺陷信息，既能提升軟件開(kāi)發(fā)質(zhì)量，也能很大程度上節(jié)省軟件測(cè)試工作量。近年來(lái)，研究者們嘗試把一些機(jī)器學(xué)習(xí)方法應(yīng)用到軟件缺陷預(yù)測(cè)領(lǐng)域中，但是這些方法在訓(xùn)練模型的過(guò)程中大多使用傳統(tǒng)的歐氏距離。許多研究表明，歐氏距離并不能很好地體現(xiàn)樣本之間的鑒別性。
　　距離度量學(xué)習(xí)方法通過(guò)挖掘訓(xùn)練樣本集的特征信息和標(biāo)記信

2、息，學(xué)習(xí)得到有效的距離度量，讓樣本在基于度量矩陣的新特征空間中具有更好的鑒別可分性。本文從距離度量學(xué)習(xí)的角度出發(fā)，提出了一系列有效的基于距離度量學(xué)習(xí)的軟件缺陷預(yù)測(cè)方法。
　　首先，本文提出了基于特定簇大間隔最近鄰距離度量學(xué)習(xí)的軟件缺陷預(yù)測(cè)方法（CS-LMNN）。該方法的基本思路是，首先使用大間隔最近鄰距離度量學(xué)習(xí)方法（LMNN）學(xué)習(xí)一個(gè)全局鑒別度量矩陣，然后再把訓(xùn)練集使用聚類算法聚類為K個(gè)簇，每個(gè)簇學(xué)習(xí)各自的特定簇鑒別度量矩陣。在

3、預(yù)測(cè)時(shí)，先用全局鑒別度量方式為測(cè)試樣本選定近鄰樣本所在的簇，然后再使用該特定簇的鑒別度量方式預(yù)測(cè)出測(cè)試樣本是否有缺陷。
　　其次，為了解決訓(xùn)練集中存在的噪聲問(wèn)題，本文在距離度量學(xué)習(xí)中融入局部稀疏重構(gòu)信息，提出基于特定簇局部稀疏重構(gòu)距離度量學(xué)習(xí)的軟件缺陷預(yù)測(cè)方法（CS-LSRML）。該方法的基本思路是，利用距離度量矩陣計(jì)算稀疏表示項(xiàng)，并融入了局部加權(quán)因子，設(shè)計(jì)了類內(nèi)局部稀疏重構(gòu)項(xiàng)和類間局部稀疏重構(gòu)項(xiàng)。該方法既可以學(xué)習(xí)鑒別性很好的度量

4、矩陣，又融入了稀疏表示中對(duì)噪聲魯棒的優(yōu)點(diǎn)。
　　最后，為了解決軟件缺陷預(yù)測(cè)中的數(shù)據(jù)類不平衡問(wèn)題，本文又融合了上采樣和下采樣技術(shù)，提出了基于上采樣的特定簇局部稀疏重構(gòu)距離度量學(xué)習(xí)的軟件缺陷預(yù)測(cè)方法（OCS-LSRML）和基于下采樣的特定簇局部稀疏重構(gòu)距離度量學(xué)習(xí)的軟件缺陷預(yù)測(cè)方法（UCS-LSRML）。這兩個(gè)方法的基本思路是，先通過(guò)兩種采樣技術(shù)，將不平衡數(shù)據(jù)集轉(zhuǎn)換為相對(duì)平衡的數(shù)據(jù)集，然后再使用上面提出的距離度量學(xué)習(xí)方法學(xué)習(xí)全局鑒別度