基于決策樹(shù)的軟件分類(lèi)方法研究.pdf

1、軟件分類(lèi)有利于快速地對(duì)軟件進(jìn)行分析和評(píng)估，更好地指導(dǎo)軟件開(kāi)發(fā)過(guò)程中的進(jìn)程計(jì)劃、人員組織和資源分配等工作?，F(xiàn)有的軟件分類(lèi)方法僅根據(jù)軟件的外部屬性對(duì)軟件進(jìn)行分類(lèi)，不能實(shí)現(xiàn)對(duì)軟件的細(xì)粒度劃分。因此，需要研究一種新的軟件分類(lèi)方法。
　　 為了實(shí)現(xiàn)軟件的細(xì)粒度分類(lèi)，提出了運(yùn)用數(shù)據(jù)挖掘方法對(duì)軟件測(cè)試過(guò)程中產(chǎn)生的大量數(shù)據(jù)進(jìn)行分析，提取軟件的分類(lèi)描述規(guī)則的軟件分類(lèi)方法。該方法依據(jù)對(duì)軟件進(jìn)行細(xì)粒度分類(lèi)的要求，具體選用了決策樹(shù)分類(lèi)方法構(gòu)建軟件的分類(lèi)

2、模型。針對(duì)所得到的測(cè)試數(shù)據(jù)的特征，選取了在數(shù)值字段處理方面具有高效性的SLIQ(Supervised Learning In Quest)算法構(gòu)建分類(lèi)器。分析了基于最小描述長(zhǎng)度（Minimum Description Length，MDL）的剪枝算法在準(zhǔn)確性上的不可信性，確立在SLIQ算法中采用預(yù)剪枝方案。最后，采用常用的K-折交叉確認(rèn)法評(píng)估分類(lèi)模型的性能。
　　 設(shè)計(jì)實(shí)現(xiàn)了基于SLIQ算法的軟件分類(lèi)實(shí)驗(yàn)系統(tǒng)，包括數(shù)據(jù)集的獲取與