基于LLE-SVM软件缺陷预测模型的研究

摘要

软件在社会生活中扮演着重要的角色，随着软件系统复杂性的提高，软件缺陷的数量日渐增加，它所带来的危害也越发严重，对软件系统安全性的影响也日益增大。软件缺陷预测技术能够帮助测试人员准确定位有缺陷的软件模块，提高发现缺陷的效率。
　　软件缺陷预测是通过缺陷预测技术对软件度量数据进行分析，从而得到缺陷信息。为了更准确的评估软件系统，必然会引入越来越多的度量属性。然而在软件缺陷预测过程中引入过多度量属性会导致数据冗余，冗余的数据会使预测准确率下降。本文针对这一问题，设计构建局部线性嵌入支持向量机（ LLE-SVM）模型来进行软件缺陷预测。在课题的研究过程中，通过分析了软件缺陷数据集的特征，采用局部线性嵌入算法（LLE）实现数据降维。将高维欧氏空间中的软件缺陷数据在低维空间中进行重构，并保留软件缺陷数据在高维欧氏空间中的流形结构，由此求出相应的嵌入映射，从而实现了数据维数的约简。使用支持向量机（SVM）作为基础分类器，并用降维后的数据训练SVM，给出了 LLE-SVM的软件缺陷预测模型。
　　本文实现了 LLE-SVM软件缺陷预测模型系统，并采用了美国航空航天局（NASA）的 CM1缺陷数据集作为实验数据集，进行了模型的实验对比评估。实验结果表明LLE-SVM模型预测准确率优于单一SVM模型，因此本文设计的LLE-SVM模型可以有效解决数据冗余引起的预测准确率偏低问题。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1背景和意义

1.2国内外研究综述

1.3主要研究内容

1.4论文组织结构

第二章 软件缺陷预测技术

2.1软件缺陷预测技术的发展情况

2.2软件缺陷预测技术分类

2.3静态软件缺陷预测过程

2.4本章小结

第三章 基于LLE-SVM的软件缺陷预测模型设计

3 .1 LLE-S VM缺陷预测模型

3 .2 LLE-S VM的数据降维

3 .3 LLE-S VM的分类预测

3 .4 LLE-S VM模型参数选择方法

3.5本章小结

第四章 基于LLE-SVM的软件缺陷预测模型验证

4.1实验评价指标和数据集

4.2模型验证实验

4.3实验结果分析

4.4本章小结

第五章 基于LLE-SVM的软件缺陷预测系统实现

5.1系统目标

5.2系统设计

5.3系统实现

5.4本章小结

第六章 总结与展望

6.1总结

6.2展望

参考文献

发表论文和参加科研情况说明

致谢