海洋资源大数据系统中缺陷多步预测方法

李 昭，彭小红，谢仕义*，梁春林，赵 一，蔡莉华

(1.南方海洋科学与工程广东省实验室(湛江) 南海资源大数据中心，广东 湛江 524013；2.广东海洋大学 数学与计算机学院，广东 湛江 524088)

0 引 言

软件缺陷在软件研发过程中不可避免，其严重影响着软件产品的质量。由于在软件研发过程中，缺陷修复得越晚，系统损失和修复成本就越大，因而研发人员希望在软件生命周期的早期及时发现尽可能多的缺陷并修复缺陷[1]。然而受限于人力及时间成本，通常无法检测全部组件，若能预先识别可能存在缺陷的组件及缺陷数量，将有限的测试资源合理分配给缺陷数更多的被测组件，这样的解决方案实用性更强。软件缺陷预测是提升软件质量的有效途径，成为近年来研究的焦点[2-4]。虽然现有研究在缺陷倾向性和缺陷数预测方面已取得显著成果，但从训练数据的平衡性和预测效能考虑，主要存在两方面问题：(1)训练样本存在不平衡性[5-7]；(2)单一的回归技术对有缺陷组件支持能力不足。

该文针对缺陷倾向性和缺陷数预测领域存在的训练数据不平衡和预测效能问题，研究基于SMOTE的均衡样本数据构建技术、面向缺陷数预测的回归技术选取、支持先分类后回归的缺陷数多步预测，以期推进组件缺陷数多步预测和检测修复研究与应用的继续深入。

1 相关工作比较

1.1 基于二分类技术的缺陷预测

大量研究对如何运用二分类技术构建缺陷预测模型进行了广泛探索[5,8]，包括监督学习(如决策树、神经网络、支持向量机等)、半监督学习(如期望最大化算法)及无监督学习(如K均值聚类、谱聚类等)。……