《軟體更改缺陷實時預測方法研究》是依託西安交通大學，由朱曉燕擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：軟體更改缺陷實時預測方法研究
- 項目類別：青年科學基金項目
- 項目負責人：朱曉燕
- 依託單位：西安交通大學
中文摘要,結題摘要,
中文摘要
軟體更改缺陷實時預測是在軟體更改剛完成時即對更改代碼塊是否引入缺陷及缺陷級別進行預測。軟體缺陷預測問題得到了國內外很多研究者的關注。然而，已有研究要么不能對缺陷進行實時預測，要么沒有給出缺陷級別或者對缺陷定位不夠精確，進而導致缺陷修復耗費的時間和成本增加，影響了軟體質量。為了解決上述問題，本項目對軟體更改缺陷實時預測方法進行研究，旨在儘早發現並修復由於軟體更改引入的缺陷，提高缺陷修復的效率和準確率。主要研究內容包括：更改屬性獲取與計算，更改缺陷關係分析，更改屬性分析與選擇，構建缺陷預測模型並使用該模型對新的軟體更改進行缺陷預測。本項目對缺陷進行實時精準預測，有助於提高軟體產品質量。
結題摘要
軟體更改缺陷實時預測是在軟體更改剛完成時即對更改代碼塊是否引入缺陷及缺陷級別進行預測，得到了國內外很多研究者的關注。本項目對軟體更改缺陷實時預測方法進行研究，旨在儘早發現並修復由於軟體更改引入的缺陷，提高缺陷修復的效率和準確率。主要研究內容包括：更改屬性獲取與計算；更改缺陷關係分析；更改屬性分析與選擇；建模與預測。 主要研究進展包括：（1）獲取並計算了4種不同類型的更改屬性，提出了一種軟體更改的重要性屬性度量計算方法，解決了已有研究忽略軟體更改的重要性對其是否引入缺陷的影響。（2）分析了更改缺陷關係，識別了缺陷引入的檔案更改及代碼塊更改；（3）分析並選擇了有效的更改屬性，為構建更精準的更改缺陷實時預測模型提供了高質量的訓練數據；（4）在前三步研究獲得的數據基礎上，使用數據挖掘方法及其改進方法，或者提出新的方法，構建了軟體更改缺陷實時預測模型。 為了構建預測效果更好的模型：（1）提出了一種基於異常點識別算法iForest的軟體更改缺陷預測方法，創新性地提出了將軟體更改缺陷視為異常點的軟體更改缺陷預測新思路；（2）提出了組合集成學習和重採樣技術的分類方法，解決了更改缺陷數據的不均衡問題；（3）提出了集成學習的基分類器選擇算法，從理論上證明了構造有效的集成學習器的充分必要條件，並根據證明所得結論提出了集成學習器的基分類器選擇算法。（4）提出了一種改進的數據集特徵提取方法及一種基於聚類的分類算法推薦方法，為選擇最佳的分類算法構建預測模型提供了基礎。 針對所提方法，項目進行期間共發表學術論文8篇，其中SCI檢索論文4篇，EI檢索論文3篇，國際會議論文3篇，申請發明專利2項，培養碩士研究生3名，協助培養博士研究生3名。 項目的研究成果有助於實現對缺陷的快速和精準預測，為實現高質量軟體產品提供幫助。
