本發(fā)明屬于特征選擇領(lǐng)域，特別是涉及一種面向軟件缺陷個(gè)數(shù)預(yù)測(cè)的特征選擇方法。

背景技術(shù)：

(1)軟件缺陷預(yù)測(cè)技術(shù)：軟件缺陷是計(jì)算機(jī)軟件或程序中存在的某個(gè)破壞正常運(yùn)行能力的問(wèn)題、錯(cuò)誤以及隱藏的功能缺陷。隨著軟件系統(tǒng)在工程應(yīng)用中的不斷擴(kuò)大，軟件缺陷導(dǎo)致的經(jīng)濟(jì)損失日益增加。據(jù)美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)所的一項(xiàng)研究表明，軟件缺陷給美國(guó)每年造成的損失高達(dá)幾百億元，而其中超過(guò)三分之一的損失，如果提前稍加測(cè)試，即可避免。除了經(jīng)濟(jì)領(lǐng)域，還有一些軟件是飛行控制系統(tǒng)軟件和醫(yī)療設(shè)備軟件，這些和人命相關(guān)的軟件，一旦出現(xiàn)軟件缺陷問(wèn)題，就會(huì)給人民生命財(cái)產(chǎn)安全帶來(lái)無(wú)端災(zāi)難，因此軟件缺陷預(yù)測(cè)技術(shù)意義重大。軟件缺陷預(yù)測(cè)技術(shù)是軟件質(zhì)量保證中的一項(xiàng)重要技術(shù)。軟件缺陷預(yù)測(cè)通過(guò)分析軟件歷史倉(cāng)庫(kù)，建立缺陷預(yù)測(cè)模型，對(duì)新的軟件模塊進(jìn)行缺陷預(yù)測(cè)。對(duì)預(yù)測(cè)出潛在缺陷的新的軟件模塊分配更多的測(cè)試資源，可以達(dá)到合理分配測(cè)試和維護(hù)資源的目的。目前為止，已有很多高效的軟件缺陷方法被提出。

但這些預(yù)測(cè)通常只給出有缺陷或無(wú)缺陷的二分類(lèi)結(jié)果?，F(xiàn)有技術(shù)表明，如果只按照有無(wú)缺陷來(lái)分配有限的測(cè)試資源，可能會(huì)造成資源分配的浪費(fèi)。如果我們能夠準(zhǔn)確的預(yù)測(cè)出缺陷個(gè)數(shù)，使軟件測(cè)試人員主要關(guān)注那些擁有更多缺陷的軟件模塊，就可使軟件測(cè)試工作更為有效。因此，預(yù)測(cè)軟件缺陷個(gè)數(shù)相比于單純的預(yù)測(cè)軟件模塊是否有缺陷更利于優(yōu)化軟件測(cè)試資源的分配。

軟件缺陷個(gè)數(shù)預(yù)測(cè)過(guò)程分為四個(gè)階段:(a)挖掘軟件歷史倉(cāng)庫(kù)，從中抽取出有用的程序模塊。程序模塊粒度可根據(jù)實(shí)際應(yīng)用場(chǎng)景，可設(shè)置為文件、包、類(lèi)或函數(shù)等。(b)提取出與軟件缺陷有關(guān)的特征，并構(gòu)建出軟件缺陷個(gè)數(shù)訓(xùn)練集。(c)借助特定的建模方法在軟件缺陷個(gè)數(shù)訓(xùn)練集上構(gòu)建出軟件缺陷個(gè)數(shù)預(yù)測(cè)模型。不同于單純的預(yù)測(cè)新的軟件模塊是否存在缺陷時(shí)采用的是分類(lèi)模型，軟件缺陷個(gè)數(shù)建模方法采用的是回歸模型。(d)在對(duì)新的軟件模塊提取出特征后，利用步驟(d)中訓(xùn)練出的軟件缺陷個(gè)數(shù)預(yù)測(cè)模型，預(yù)測(cè)該模塊存在多少個(gè)缺陷。

在構(gòu)建軟件缺陷預(yù)測(cè)模型時(shí)，與提取出與軟件缺陷有關(guān)的特征中不可避免會(huì)產(chǎn)生冗余特征和不相關(guān)特征。冗余特征指的是該特征所包含的信息能從其他特征中推演出來(lái)的特征。無(wú)關(guān)特征則是對(duì)采用的機(jī)器學(xué)習(xí)算法不能提供任何的幫助。這些特征的存在會(huì)嚴(yán)重影響軟件缺陷個(gè)數(shù)預(yù)測(cè)模型的準(zhǔn)確率，因此，使用特征選擇方法去除這類(lèi)特征是十分必要的。

(2)特征選擇技術(shù)：特征選擇是指從原始特征中選取最小數(shù)量的特征子集，特征子集內(nèi)的屬性應(yīng)與樣本類(lèi)別具有最大相關(guān)度，而屬性與屬性之間又具有最小相關(guān)度。之所以需要對(duì)特征進(jìn)行選擇，一方面是因?yàn)橥罅康脑继卣鲿?huì)導(dǎo)致處理的時(shí)間和空間復(fù)雜度過(guò)高，另一方面則是大量不相關(guān)特征或冗余特征反而會(huì)降低分析方法的性能。因此，有效的特征選擇對(duì)于缺陷預(yù)測(cè)技術(shù)是非常必要的。目前已有一些研究者將特征選擇的方法應(yīng)用到軟件缺陷預(yù)測(cè)中?，F(xiàn)有技術(shù)有針對(duì)軟件度量中窮舉搜索的不可行性，提出了一種混合屬性選擇方法，并減少了特征子集的搜索空間。還有研究構(gòu)建了一種新的軟件缺陷預(yù)測(cè)框架，并將基于過(guò)濾式的特征選擇方法應(yīng)用到了軟件缺陷預(yù)測(cè)中。還有研究提出了一種混合特征選擇方法，首先基于特征子集評(píng)估器移除軟件缺陷數(shù)據(jù)集中的無(wú)關(guān)特征和冗余特征，隨后基于特征排序評(píng)估器進(jìn)一步移除其中的無(wú)關(guān)特征，實(shí)驗(yàn)結(jié)果表明該方法能有效提高缺陷預(yù)測(cè)模型的性能。但這些特征選擇方法都只是針對(duì)預(yù)測(cè)軟件模塊是否有缺陷的問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

相對(duì)于國(guó)內(nèi)外已有的只是針對(duì)預(yù)測(cè)軟件模塊是否有缺陷的特征選擇方法，本發(fā)明針對(duì)軟件缺陷數(shù)據(jù)集中不相關(guān)特征和冗余特征會(huì)降低軟件缺陷個(gè)數(shù)預(yù)測(cè)模型的性能的問(wèn)題，提出了一種面向軟件缺陷個(gè)數(shù)預(yù)測(cè)的特征選擇方法。

本發(fā)明提供的技術(shù)方案是一種面向軟件缺陷個(gè)數(shù)預(yù)測(cè)的特征選擇方法，包括以下步驟：

步驟1，挖掘軟件歷史數(shù)據(jù)庫(kù)，從中抽取出有用的軟件模塊。軟件模塊粒度可根據(jù)實(shí)際應(yīng)用場(chǎng)景，可設(shè)置為文件、包、類(lèi)或函數(shù)。然后標(biāo)記這些軟件模塊的缺陷數(shù)目。

步驟2，提取軟件模塊中與軟件缺陷有關(guān)的特征，提取了20個(gè)度量屬性：加權(quán)方法數(shù)(wmc)，繼承樹(shù)深度(dit)，孩子數(shù)(noc)，對(duì)象類(lèi)之間的耦合度(cbo)，類(lèi)的響應(yīng)(rfc)，內(nèi)聚缺乏度(lcom)，傳入耦合(ca)，傳出耦合(ce)，公開(kāi)方法數(shù)(npm)，代碼行數(shù)(loc)，數(shù)據(jù)訪(fǎng)問(wèn)度量(dam)，聚合度量(moa)，功能抽象度量(mfa)，方法間的內(nèi)聚度(cam)，繼承耦合(ic)，方法間耦合(cbm)，平均方法復(fù)雜度(amc)，最大mccabe環(huán)形復(fù)雜度(max_cc)，平均mccabe環(huán)形復(fù)雜度(avg_cc)。這20個(gè)特征形成了原始的特征集。

步驟3，利用線(xiàn)性pearson系數(shù)計(jì)算特征之間的關(guān)聯(lián)性，兩個(gè)特征之間的冗余度越大，它們的關(guān)聯(lián)性就越強(qiáng)，關(guān)聯(lián)性計(jì)算公式為:其中，xik，xjk分別表示第k個(gè)軟件模塊xk上特征fi的值和特征fj的值，分別表示在所有軟件模塊數(shù)據(jù)上特征fi的均值和fj的均值。rij表示特征fi和特征fj之間的關(guān)聯(lián)度，取值介于-1和1之間。其越接近1或-1，關(guān)聯(lián)性越強(qiáng)，越接近于0，關(guān)聯(lián)性越弱。

步驟4，利用譜聚類(lèi)算法根據(jù)特征之間的關(guān)聯(lián)性對(duì)這些特征進(jìn)行聚類(lèi)，形成k個(gè)簇，具體包括：

步驟4.1，構(gòu)造特征關(guān)聯(lián)性矩陣w，其中wij表示特征fi與特征fj的關(guān)聯(lián)性；兩個(gè)特征的負(fù)相關(guān)性強(qiáng)，他們之間的冗余度也很高，由于特征關(guān)聯(lián)性矩陣需要每個(gè)值都為正數(shù)，因此需要把步驟3中求得的特征關(guān)聯(lián)性為負(fù)值的轉(zhuǎn)換為絕對(duì)值。

步驟4.2，根據(jù)特征關(guān)聯(lián)性矩陣w計(jì)算歸一化對(duì)角矩陣

步驟4.3，根據(jù)歸一化對(duì)角矩陣d計(jì)算歸一化拉普拉斯圖矩陣l＝d^1/2wd^1/2。

步驟4.4，計(jì)算普拉斯圖矩陣l的特征向量，將前m個(gè)特征值最大的向量按列放置成一個(gè)矩陣x，即x＝[v1,v2,…,vm]，其中v1,v2,…,vm依次為前m個(gè)特征值最大的特征向量。

步驟4.5，歸一化矩陣x形成矩陣y。

步驟4.6，對(duì)矩陣y按每行為一個(gè)數(shù)據(jù)，采用k-means算法對(duì)所有模塊數(shù)據(jù)進(jìn)行聚類(lèi)，矩陣y中第i行的數(shù)據(jù)就是原來(lái)的第i個(gè)軟件模塊xi，將特征集劃分為k個(gè)簇。

步驟5，利用線(xiàn)性pearson系數(shù)衡量計(jì)算每個(gè)特征與這些模塊數(shù)據(jù)的缺陷數(shù)目之間的關(guān)聯(lián)性ri，其計(jì)算公式為:其中，xki，yk分別表示第k個(gè)軟件模塊xk上特征fi和缺陷個(gè)數(shù)的取值，分別表示在所有軟件模塊數(shù)據(jù)上特征fi和缺陷個(gè)數(shù)的均值。ri表示特征fi和缺陷數(shù)目間的關(guān)聯(lián)度，取值介于-1和1之間。其越接近1或-1，關(guān)聯(lián)性越強(qiáng)，越接近于0，關(guān)聯(lián)性越弱。缺陷數(shù)目表示的是實(shí)施例中表示的10個(gè)模塊數(shù)據(jù)的缺陷數(shù)據(jù)這一個(gè)向量。

步驟6，根據(jù)特征相關(guān)性對(duì)每個(gè)簇中的特征進(jìn)行排序，從步驟5中獲得的每個(gè)簇中選取相關(guān)性最高的n個(gè)特征構(gòu)成最終的特征子集。

本發(fā)明設(shè)計(jì)了合理的特征選擇策略，首先利用特征與特征之間的關(guān)聯(lián)性，對(duì)特征集進(jìn)行譜聚類(lèi)，將相互之間冗余度高的特征聚類(lèi)到同一個(gè)簇中。在聚類(lèi)的結(jié)果中，利用特征與軟件缺陷個(gè)數(shù)之間的相關(guān)性，從每個(gè)簇中選出相關(guān)性最強(qiáng)的幾個(gè)特征，這樣既降低了特征之間的冗余度，又排除了不相關(guān)特征，得到最終的有益于缺陷個(gè)數(shù)預(yù)測(cè)模型性能的特征子集。本發(fā)明的技術(shù)方案具有簡(jiǎn)單、快速的特點(diǎn)，得到的特征子集有助于提高軟件缺陷個(gè)數(shù)預(yù)測(cè)模型的性能。

附圖說(shuō)明

圖1本發(fā)明的流程圖。

圖2本發(fā)明實(shí)施例的結(jié)果圖。

具體實(shí)施方式

為了便于本領(lǐng)域普通技術(shù)人員理解和實(shí)施本發(fā)明，下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)描述，應(yīng)當(dāng)理解，此處所描述的實(shí)施示例僅用于說(shuō)明和解釋本發(fā)明，并不用于限定本發(fā)明。

本發(fā)明設(shè)計(jì)的面向軟件缺陷個(gè)數(shù)的特征選擇方法的流程見(jiàn)附圖1，所有步驟可由本領(lǐng)域技術(shù)人員采用計(jì)算機(jī)軟件技術(shù)實(shí)現(xiàn)流程自動(dòng)運(yùn)行。實(shí)施例具體實(shí)現(xiàn)過(guò)程如下：

本發(fā)明設(shè)計(jì)的一種面向軟件缺陷個(gè)數(shù)預(yù)測(cè)的特征選擇方法具體實(shí)現(xiàn)過(guò)程如下：

步驟1，挖掘軟件歷史數(shù)據(jù)，從中抽取出有用的軟件模塊。軟件模塊粒度可根據(jù)實(shí)際應(yīng)用場(chǎng)景，可設(shè)置為文件、包、類(lèi)或函數(shù)。然后標(biāo)記這些軟件模塊的缺陷數(shù)目。

步驟2，提取軟件模塊中與軟件缺陷有關(guān)的特征，這些特征形成原始的特征集。為了方便闡述，本實(shí)施例假設(shè)只提取了10個(gè)特征{f0,f1,f2,f3,f4,f5,f6,f7,f8,f9}。

在經(jīng)過(guò)了步驟1-2后，本實(shí)施例假設(shè)在提取模塊特征和標(biāo)記軟件模塊的缺陷數(shù)目后形成了10個(gè)軟件模塊數(shù)據(jù)(最后一位為該模塊的缺陷個(gè)數(shù))：

x1＝{3.0,1.0,0.0,8.0,14.0,3.0,3.0,5.0,3.0,2.0,‘2’},

x2＝{13.0,1.0,0.0,1.0,17.0,64.0,0.0,1.0,12.0,0.917,‘0’},

x3＝{4.0,1.0,0.0,4.0,4.0,6.0,2.0,2.0,4.0,2.0,‘0’},

x4＝{10.0,1.0,0.0,6.0,31.0,1.0,0.0,6.0,9.0,0.5,‘3’},

x5＝{7.0,1.0,0.0,6.0,19.0,7.0,0.0,6.0,6.0,0.75,‘0’},

x6＝{38.0,1.0,0.0,30.0,155.0,485.0,0.0,30.0,34.0,0.9,‘4’},

x7＝{25.0,1.0,0.0,13.0,74.0,0.0,0.0,13.0,23.0,0.444,‘1’},

x8＝{13.0,1.0,0.0,19.0,56.0,54.0,0.0,19.0,11.0,0.9,‘3’},

x9＝{7.0,4.0,4.0,48.0,12.0,19.0,47.0,1.0,6.0,0.94,‘0’},

x10＝{7.0,1.0,0.0,4.0,7.0,21.0,2.0,2.0,7.0,2.0,‘3’}。

步驟3，利用線(xiàn)性pearson系數(shù)計(jì)算特征之間的關(guān)聯(lián)性，兩個(gè)特征之間的冗余度越大，它們的關(guān)聯(lián)性就越強(qiáng)，關(guān)聯(lián)性計(jì)算公式為:其中，xik，xjk分別表示第k個(gè)軟件模塊xk上特征fi的值和特征fj的值，分別表示在所有軟件模塊數(shù)據(jù)上特征fi的均值和fj的均值。rij表示特征fi和特征fj之間的關(guān)聯(lián)度，取值介于-1和1之間。其越接近1或-1，關(guān)聯(lián)性越強(qiáng)，越接近于0，關(guān)聯(lián)性越弱。本實(shí)施例中經(jīng)計(jì)算得：r01＝-0.18,r02＝-0.18,r03＝0.32,r04＝0.96,r05＝0.82,r06＝-0.23,r07＝0.85,r08＝1.00,r09＝-0.50,r12＝1.00,r13＝0.81,r14＝0.20,r15＝-0.11,r16＝1.00,r17＝-0.23,r18＝-0.20,r19＝-0.11,r23＝0.81,r24＝-0.20,r25＝-0.11,r26＝1.00,r27＝-0.28,r28＝-0.20,r29＝-0.11,r34＝0.37,r35＝0.38,r36＝0.79,r37＝0.34,r38＝0.30,r39＝-0.27,r45＝0.87,r46＝-0.24,r47＝0.95r48＝0.95,r49＝-0.43,r56＝-0.13,r57＝0.80,r58＝0.81,r59＝-0.15,r67＝-0.31,r68＝-0.24,r69＝-0.04,r78＝-0.83,r79＝-0.36,r89＝-0.48。

步驟4，利用譜聚類(lèi)算法根據(jù)特征之間的關(guān)聯(lián)性對(duì)這些特征進(jìn)行聚類(lèi)，形成k個(gè)簇，具體包括：

步驟4.1，構(gòu)造特征關(guān)聯(lián)性矩陣w，其中wij表示特征fi與特征fj的關(guān)聯(lián)性。兩個(gè)特征的負(fù)相關(guān)性強(qiáng)，他們之間的冗余度也很高，由于特征關(guān)聯(lián)性矩陣需要每個(gè)值都為正數(shù)，因此需要把步驟3中求得的特征關(guān)聯(lián)性為負(fù)值的轉(zhuǎn)換為絕對(duì)值。本實(shí)施例得到特征關(guān)聯(lián)性矩陣：

步驟4.2，根據(jù)特征關(guān)聯(lián)性矩陣w計(jì)算歸一化對(duì)角矩陣本實(shí)施例得到歸一化對(duì)角矩陣：

步驟4.3，根據(jù)歸一化對(duì)角矩陣d計(jì)算歸一化拉普拉斯圖矩陣l＝d^1/2wd^1/2。本實(shí)施例得到拉普拉斯圖矩陣:

步驟4.4，計(jì)算普拉斯圖矩陣l的特征向量，將前m個(gè)特征值最大的向量按列放置成一個(gè)矩陣x，即x＝[v1,v2,…,vm]，其中v1,v2,…,vm依次為前m個(gè)特征值最大的特征向量；本實(shí)施例設(shè)置m＝4，求得矩陣

步驟4.5，歸一化矩陣x形成矩陣y。本實(shí)施例中求得

步驟4.6，對(duì)矩陣y按每行為一個(gè)數(shù)據(jù)，采用k-means算法對(duì)所有模塊數(shù)據(jù)進(jìn)行聚類(lèi)，矩陣y中第i行的數(shù)據(jù)就是原來(lái)的第i個(gè)軟件模塊xi，將特征集劃分為k個(gè)簇。本實(shí)施例中設(shè)置k＝4，將10個(gè)特征劃分為4個(gè)簇：c1＝{f3,f5}，c2＝{f0,f4,f7,f8}，c3＝{f1,f2,f6}，c4＝{f9}。

步驟5，利用線(xiàn)性pearson系數(shù)衡量計(jì)算每個(gè)特征與這些模塊數(shù)據(jù)的缺陷數(shù)目之間的關(guān)聯(lián)性ri，其計(jì)算公式為:其中，xki，yk分別表示第k個(gè)軟件模塊xk上特征fi和缺陷個(gè)數(shù)的取值，分別表示在所有軟件模塊數(shù)據(jù)上特征fi和缺陷數(shù)目的均值。ri表示特征fi和缺陷個(gè)數(shù)間的關(guān)聯(lián)度，取值介于-1和1之間。其越接近1或-1，關(guān)聯(lián)性越強(qiáng)，越接近于0，關(guān)聯(lián)性越弱。本實(shí)施例中計(jì)算得到r0＝0.452，r1＝-0.356，r2＝-0.356，r3＝0.065，r4＝0.577，r5＝0.529，r6＝-0.357，r7＝0.651，r8＝0.448，r9＝0.009。

步驟6，根據(jù)特征相關(guān)性對(duì)每個(gè)簇中的特征進(jìn)行排序，從步驟5中獲得的每個(gè)簇中選取相關(guān)性最高的n個(gè)特征構(gòu)成最終的特征子集。本實(shí)施例中設(shè)置n＝1。本實(shí)施例中對(duì)簇c1中的兩個(gè)特征依照相關(guān)性進(jìn)行排序，得到特征f5排列在第一位，特征f3排列在第二位，選取相關(guān)性最高的一個(gè)特征即f5。同理，簇c2中選取相關(guān)性最高的特征f7，簇c3中選取相關(guān)性最高的特征f6，簇4中選取相關(guān)性最高的特征f9。最終，f5、f6、f7和f9構(gòu)成了最終的特征子集。

本文中所描述的具體實(shí)施例僅僅是對(duì)本發(fā)明精神作舉例說(shuō)明。本發(fā)明所屬技術(shù)領(lǐng)域的技術(shù)人員可以對(duì)所描述的具體實(shí)施例做各種各樣的修改或補(bǔ)充或采用類(lèi)似的方式替代，但并不會(huì)偏離本發(fā)明的精神或者超越所附權(quán)利要求書(shū)所定義的范圍。