基于动态代价敏感型贝叶斯网络的软件缺陷预测方法研究

《基于动态代价敏感型贝叶斯网络的软件缺陷预测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、．ＩＩ分类号密级ＵＤＣ编号中々火考幸甲捉硕±学位论文基子动惠代价乂戒型巧叶斯巧洛巧软件緣隐巧測方法研完学位申请人姓名；张化李申请学位学生类别；全曰省巧击申请学位学科专业；计义机应巧拔未指导教师姓名；张巧ｆｔｌ乂援硕去学位论义’？ＭＡＳＴＥＲＳＴＨＥＳＩＳ硕±学位论文基于动态代价敏感型贝叶斯网络的软件缺略预测方法研究论文作者：张俊宇ｍｍｍ：９ＫＳｍｍｍ学科专业：计ｓｗｊｓ用技术研究方向：软件工程华中学计瓶学院２０１６年５月

2、硕壬学位论文ＭＡ＇ＳＴＥＲＳＴＨＥＳＩＳＳｏｆｔｗａｒｅＤｅｆｆｅｃｔＰｒｅｄｉｃｔｉｏｎＢａｓｅｄｏｎＣｏｓｔ－ＳｅｎｓｉｔｉｖｅＢａｅｓｉａｎｙＮｅｔｗｏｒｋＡＴｈｅｓｉｓＳｕｂｍｉｔｔｅｄｉｎＰａｒｔｉａｌＦｕｌｆｉｌｌｍｅｎｔｏｆｔｈｅＲｅｑｕｉｒｅｍｅｎｔＦｏｒ化ｅＭ．Ｓ．ＤｅｇｒｅｅｉｎＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅＢｙＺｈａｎｇＪｕｎｙｕＰｏｓｔｒａｄｕａ化ＰｒｏｒａｍｇｇＤｅｐａｒｔｍｅｎｔｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅＣ

3、ｅｎｔｒａｌＣｈｉｎａＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙＳｕｅｒｖｉｓｏｒ：ＺｈａｎＭｅｎｐｇ．ｇ名ＡｃａｄｅｍｉｃＴｉｔｌｅｉＡｓｓｏｃｉａｔｅＰｒｏｆｅｓｓｏｒＳｉｇｎａｔｕｒｅｊ＾［ＡｐｐｒｏｖｅｄＭａ２０１６ｙ，巧壬学位论文＇ＭＡＳＴＥＲＳＴＨＥＳＩＳ华中种苑大学学佐文居剖性若巧和使用换权说巧原创巧采巧：所呈交的学位论文，是本人在导师指导下本人郑重声明，独立进行研究工作所取得的研究成果。除文中己经标明引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写过的研

4、巧成果。对本文的研究做出贡献的个人和集体，均已在文中Ｗ明确方式标明。本声明的法律结果由本人承担。？作者签名：日期；兴年５月則日学佐冷文化权使巧援权书学位论文作者完全了解华中师范大学有关保留：研、使用学位论文的规定，即巧生在校攻读学位期间论文工作的知识产权单位属华中师范大学。学校有权保留并向国家有关部口或机构送交论文的复印件和电子版，允许学位论文被查阅和借阅；学校可Ｗ公布学位论文的全部或部分内容，可Ｗ允许采用影印、缩印或其它复制手。（保密的学位论文在解密后遵守此规定段保存、汇编学位论文）保密论文注释：本学位

5、论文属于保密，在解密后适用本授权书。年。非保密论文注释：本＾＾＾论文不属于保密范围，适用本授权书＂签若作者签若：＾＾｛＾＾导师：＾寸Ｊ曰期；＞０／作５月０曰曰期；六＞／台年曰＾＾＂＂本人己经认真阅读ＣＡＬＩＳ髙校学位论文全文数据库发布章程，同意将本人的＂＂＂＂学位论文提交ＣＡＬＩＳ髙校学位论文全文数据库中全文发布，并可按章程中的一年规定享受相关权益。同竟论义提々后滞后：□半年：□：□二年发巧。－＾作者签《：與復參导师签名：濟挺曰期：备王月〇曰曰期：抑年Ｘ月令０曰令硕壬学位论文’？ＭＡＳＴＥＲ

6、ＳＴＨＥＳＩＳ摘要随着计算机软件在各个领域的广泛应用，计算机软件变得愈加的庞大与复杂，软件缺陷预测作为软件开发生命周期中的重要环节，可Ｗ及时的发现和纠正开发过程中的缺陷，避免软件后期的修改和扩展所造成的凡何级数规模的附带问题。好的预测方法能够缩短软件的开发周期，提高软件质量，降低开发成本。因此，软件缺陷预测对于计算机软件的发展有非常重要的意义。现有的软件缺陷预测方法中，大部分采用传统静态度量标准和机器学习的模型。然而传统静态度量标准数量众多且各自反映软件的属性特征比较复杂，并且一一的标准目前度量选择没有

7、个统，这使得它成为软件缺陷预测领域的重大挑战，另外软件技术的发展加剧了这种困难，传统度量已经跟不上软件缺陷出现的步伐，一一因此缺陷预测领域需要些新的技术和度量。另方面，虽然传统的机器学习模型在其他模式识别问题中有了大量的成功案例，但是软件缺陷的不确定性导致传统的机器学习预测模型并不能够满足软件发展带来的新的挑战，因此，静态度量标准的选择和构造。，机器学习模型的应用都是软件缺陷预测方向的重难点问题论文提出利用信息増益率方法进行属性选择，并根据测试代码质量和代码设计原则提出两种新的度量标准，同时构造新的动态代价敏感贝

8、叶斯网络进行软件缺陷预测。实验在经典的ＰｒｏｍｉｓｅｄａｔａＲｅｐｏｓｉｔｏｉｙ数据集上进行，实验结果表明，与传统的静态度量相比，通过信息増益率算法选择出的高效度量和