一种基于半监督数据分组的软件系统可维护性预测方法

摘要

软件可维护性预测针对软件演化活动的容易程度建立预测模型,并在此基础上实现可维护性评价的研究.当前可维护性预测研究将带有标记的源代码、开发日志、维护日志等数据作为训练数据,并基于此构建可维护性预测模型.由于训练数据标记过程需要开销很大,导致现有方法无法适用于实际演化活动.针对上述问题,提出了一种基于半监督数据分组技术的软件可维护性预测方法SGMDH.通过与基线方法和监督方法进行比对实验,结果表明,该方法的预测准确率分别比基线方法高42％(UIMS数据集)和45％(QUES数据集).同时,半监督方法在两个数据集上均比监督方法表现出较高的准确率,说明该方法具有较强的普适性.