基于软件信息库挖掘的软件缺陷预测方法

2012-02-09 07:46:04杜庆峰
计算机工程与设计 2012年8期
关键词:数据挖掘模型

王 辉,杜庆峰

(同济大学软件学院,上海201804)

0 引 言

软件缺陷作为困扰软件开发人员和用户的难题,不仅危害了软件产品质量,还增加了软件组织的成本,延缓了开发和发布进度。无论是在软件工程领域的理论研究还是业界实践中,控制软件产品中的缺陷数量始终是一个重要的问题。因此,在软件开发过程中使用软件缺陷预测模型是非常必要的,它可以帮助开发人员发现缺陷,找出相应的解决方案,提高软件产品的质量。

软件缺陷预测是根据历史数据以及已经发现的缺陷等能够表征软件相关产品、过程、资源特征的软件度量数据,来预测软件的缺陷数目和分布,是一种重要的缺陷预防和控制方式。软件开发组织通常会利用软件开发信息库收集软件开发过程中的相关数据,以用于软件项目的维护和缺陷预测。随着数据挖掘技术的出现,分析和挖掘软件开发信息库中的隐藏信息成为了研究的热点。这方面的研究包括Patrick Knab[1]提出的基于决策树方法来预测软件缺陷密度,R.M.Bell等人基于负二项回归模型对缺陷状态和缺陷数目的研究[2],以及Yuan Chen[3]等提出的基于贝叶斯网络的缺陷研究。

软件缺陷预测的前提是承认软件的复杂度和软件的缺陷的关联。也就是软件模块的复杂度越高包含的缺陷相对更多。一般软件缺陷预测的研究方法是使用静态度量元表征软件的复杂度,进而预测软件模块的缺陷状态和缺陷数量。不同的预测方法采取的软件度量元也不同。……

登录APP查看全文

猜你喜欢
数据挖掘模型
一半模型
探讨人工智能与数据挖掘发展趋势
重尾非线性自回归模型自加权M-估计的渐近分布
基于并行计算的大数据挖掘在电网中的应用
电力与能源(2017年6期)2017-05-14 06:19:37
数据挖掘技术在中医诊疗数据分析中的应用
3D打印中的模型分割与打包
一种基于Hadoop的大数据挖掘云服务及应用
FLUKA几何模型到CAD几何模型转换方法初步研究
数据挖掘的分析与探索
河南科技(2014年23期)2014-02-27 14:18:43
基于GPGPU的离散数据挖掘研究