基于距離度量學習的軟件缺陷預測方法研究.pdf

1、隨著計算機技術的不斷發(fā)展，如何準確地預測出軟件中潛在的缺陷顯得至關重要。有效地利用軟件開發(fā)工程中的歷史數(shù)據(jù)，幫助預測新開發(fā)的軟件工程中的缺陷信息，既能提升軟件開發(fā)質量，也能很大程度上節(jié)省軟件測試工作量。近年來，研究者們嘗試把一些機器學習方法應用到軟件缺陷預測領域中，但是這些方法在訓練模型的過程中大多使用傳統(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。
　　距離度量學習方法通過挖掘訓練樣本集的特征信息和標記信

2、息，學習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。本文從距離度量學習的角度出發(fā)，提出了一系列有效的基于距離度量學習的軟件缺陷預測方法。
　　首先，本文提出了基于特定簇大間隔最近鄰距離度量學習的軟件缺陷預測方法（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習方法（LMNN）學習一個全局鑒別度量矩陣，然后再把訓練集使用聚類算法聚類為K個簇，每個簇學習各自的特定簇鑒別度量矩陣。在

3、預測時，先用全局鑒別度量方式為測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測出測試樣本是否有缺陷。
　　其次，為了解決訓練集中存在的噪聲問題，本文在距離度量學習中融入局部稀疏重構信息，提出基于特定簇局部稀疏重構距離度量學習的軟件缺陷預測方法（CS-LSRML）。該方法的基本思路是，利用距離度量矩陣計算稀疏表示項，并融入了局部加權因子，設計了類內局部稀疏重構項和類間局部稀疏重構項。該方法既可以學習鑒別性很好的度量

4、矩陣，又融入了稀疏表示中對噪聲魯棒的優(yōu)點。
　　最后，為了解決軟件缺陷預測中的數(shù)據(jù)類不平衡問題，本文又融合了上采樣和下采樣技術，提出了基于上采樣的特定簇局部稀疏重構距離度量學習的軟件缺陷預測方法（OCS-LSRML）和基于下采樣的特定簇局部稀疏重構距離度量學習的軟件缺陷預測方法（UCS-LSRML）。這兩個方法的基本思路是，先通過兩種采樣技術，將不平衡數(shù)據(jù)集轉換為相對平衡的數(shù)據(jù)集，然后再使用上面提出的距離度量學習方法學習全局鑒別度