基于CS_ANN的软件缺陷预测模型研究_王海林1
需积分: 0 131 浏览量
2022-08-03
16:15:48
上传
评论
收藏 440KB PDF 举报
收
稿日期
： 2016-03-28；
修回日期
： 2016-05-05
基金项目
：
国家自然科学基金资助项目
（ 61379032，61462091，61262025）
；
云
南省教育厅
科学研究基金资助项目
（ 2015Z018）
；
云
南大学博士科研启动项目
（ XT412004）
作者简介
：
王海林
（ 1989-）
，
男
，
河
南周口人
，
硕士研究生
，
主要研究方向为软件缺陷预测
、
软件工程
；
于倩
（ 1975-）
，
女
，
河
南安阳人
，
讲师
，
博士
，
主要研究方向为软件过程
、
软件工程
（ yuqian2001cn@ 163． com）
；
李
彤
（ 1963-）
，
男
，
河
北石家庄人
，
教授
，
博士
，
主要研究方向为软件工程
、
软件演化
、
信息安全
；
郁湧
（ 1981-）
，
男
，
副
教授
，
博士
，
主要研究方向为软件过程
、
可信软件
；
明利
（ 1989-）
，
女
，
河
南安阳人
，
硕士研究生
，
主要研究方向为软件
演化
、
软件过程
；
孙金文
（ 1989-）
，
男
，
山
西朔州人
，
硕士研究生
，
主要研究方向为需求工程
、
智能算法
．
基
于
CS
- ANN
的软件缺陷预测模型研究
*
王
海林
a
，
于 倩
a，b
，
李 彤
a，b
，
郁 湧
a，b
，
明 利
a
，
孙
金文
a
（
云
南大学
a．
软件学院
； b．
云南省软件工程重点实验室
，
昆明
650500）
摘 要
：
为了提高软件缺陷预测的准确率
，
利用布谷鸟搜索
（ cuckoo search，CS）
算法的寻优能力和人工神经网
络
（ artificial neural network，ANN）
算法的非线性计算能力
，
提出了基于
CS-ANN
的软件缺陷预测方法
。
此方法首
先使用基于关联规则的特征选择算法降低数据的维度
，
去除了噪声属性
；
然后利用布谷鸟搜索算法寻找神经网
络算法的权值
，
使用权值和神经网络算法构建出预测模型
；
最后使用此模型完成缺陷预测
。
使用公开的
NASA
数据集进行仿真实验
，
结果表明该模型降低了误报率
，
并提高了预测的准确率
，
综合评价指标
AUC（ area under
the ＲOC curve） 、F1
值和
G-mean
都优于现有模型
。
关键词
：
软件缺陷预测
；
人工神经网络
；
布谷鸟搜索
；
软件质量
；
机器学习
中图分类号
： TP311． 53
文献标志码
： A
文章编号
： 1001-3695（ 2017） 02-0467-06
doi： 10． 3969 /j． issn． 1001-3695． 2017． 02． 033
Ｒesearch of software defect prediction model based on CS-ANN
Wang Hailin
a
，Yu Qian
a，b
，Li Tong
a，b
，Yu Yong
a，b
，Ming Li
a
，Sun Jinwen
a
（ a． School of Software，b． Key Laboratory for Software Engineering of Yunnan Province，Yunnan University，Kunming 650500，China）
Abstract： To improve the accuracy of software defect prediction ，this paper proposed a software defect prediction method
based on CS-ANN，which took advantag e of parameters optimization power of the cuckoo search（ CS） and non-linear compu-
ting power of the artificial neural network （ ANN） ． The method firstly used the feature selection algor i t hm based on the associa-
tion rules to reduce the dimension of the original data sets and remove the noise attributes existing in data，and found the
weights of the neural netw o r k by using the CS algorithm． Then the method bui l t the defec t predict i o n model using the weights
and neural network algo r i t hm． Finally，this paper completed defect predictio n by the model． The simulation experiment was
performed by using the NASA datasets tha t were published． The r e sults show that this model ca n reduce the false alarm rate
and improve the prediction accuracy，moreover，comprehensive evaluation area under the ＲOC curve（ AUC）
，F1-measure and
G-mean values are superior to existing models．
Key words： software defect prediction； artificial neural network； cuckoo search； software quality； machine learni n
0
引
言
软件测试花费的工
作量经常比其他任何软件工程活动都
多
［1］
。
软
件缺陷预测模型旨在识别有缺陷倾向的软件模块
，
从而权衡质量保证
（ quality assurance，QA）
活动
。
有了软件缺
陷预测模型
，QA
测试小组就可以集中关注软件模块的部分子
集
，
从而能在软件发布之前的有限时间和资源下
，
尽可能多地
找出软件中存在的缺陷
，
提高软件的质量
，
并可以减少软件发
布后维护的花费
［2］
。
软件缺陷预测是使用先前的软件度量属性和错误数据
，
预测下一个将发布
的软件模块是否有缺陷
。
在预测模型中
，
软件度量属性作为自变量
，
而错误数据作为因变量
［3］
。
软
件
度量属性是在软件开发过程中收集的
，
输入模型中作为训练
的软件度量和错误数据是先前软件开发记录的历史数据
。
运用软件度量预测软件缺陷最早是由
Porter
和
Selby
在
1990
年开始的
，
随后就出现了大量的基于度量的缺陷预测
。
建立
软件缺陷预测模型使用的方法主要有统计方法
、
机器学习和
一些混合技术
。
采用机器学习构建预测模型是目前学者们
研究的热点
，
机器学习方法比传统的统计学习方法有很大的
优越性
［2］
。
近
十年以来
，
出现了大量的对软件缺陷预测的研究工作
，
文献
［2，3］
详细地描述和总结了软件缺陷预测研究使用的技
术和方法
。
特别是在文献
［3］
中
，
作者对软件缺陷预测的研究
趋向进行了准确详细的分析
，
指出机器学习将会在软件缺陷预
测领域运用得越来越广泛
。
基于决策树
［4］
、
支
持向量机
［5］
、
随
机
森林
［6］
和
朴素贝叶斯
［7］
等
机器学习算法
，
都是常用的构建
软件缺陷预测模型的算法
。
在现有的研究基础上
，
本文提出了基于人工神经网络的软
件缺陷预测方法
，
并结合寻优算法和特征选择算法
，
提高了软
件缺陷预测的准确率
。
第
34
卷
第
2
期
2017
年
2
月
计算机应用研究
Application Ｒesearch of Computers
Vol. 34 No. 2
Feb． 2017
评论0