基于神经网络的软件缺陷预测实证研究

《基于神经网络的软件缺陷预测实证研究》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、：？．山＾ｔ分类号：ＴＰ３１１学校巧码：１０７５８，／，不１密级：３４６０２０６３６：公开学号芋声．？＇＇？，’＇、：？．，＇Ｖｖ＇■■、，：＾瓜Ｘ－．；．＇－江、■双．．＇＞乂聲ＩＩ杂詔务葦却；硕主学位论文基于神经网络的软件缺陷预测实证研究Ｓｏｆｔ＾ｖａｒｅＤｅｆｅｃｔＰｒｅｄｉｃｔｉｏｎＢａｓｅｄｏｎＮｅｕｒａｌＮｅｔｗｏｒｋ’－ｉ－托研究生姓名乌尔柯西导师姓名及职称杨抒副教授

2、学位口类级别王学硕去ｙ－专业名称农业信息化技术研究方向软件工程、／、所在工程学诱帶＞尹今．学赔计其机与信息＇新疆？乌鲁木齐式二〇—六年六月＇六．ｙ‘ｆ．靡■？独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得，的研究成果。尽我所知除了文中特别加标注和致谢的地方外，论文中不包含其他人己经发表或撰写过的研究成果，也不包含为获得新疆农业大一学或其他教育单位的学位或证书而使用过的材料。与我同工作的同志对

3、本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。研究生签名：細和时间；年＾月曰关于学位论文使用授权的说明本人完全了解新疆农业学有关、用学位论文的，；大保留使规定即新疆农业大学有权留并向国家有部口或机构送交论文的和电保关复印件子文，用影印、印或扫等手段、文论档可采缩描复制保存汇编学位论，允许。疆业文被查阅和借阅本人授权新农大学将学位论文的全部或部分内容编入，可）有关数库进检索（包括全。据行Ｗ公布刊登论文的部或部分内容／疋物研生签：梦时：究名间义

4、／年月曰冶／夕签名：时曰导师间年月才６兵化提气基于神经网络的软件缺陷预测实证研究摘要软件模块中存在的缺陷是影响软件质量的重要原因之一，如果能对软件模块中的缺陷进行早期分析和预测，将会大大降低软件故障发生的概率。软件缺陷预测技术主要在软件测试阶段中进行，通过使用缺陷预测技术可检测出缺陷在软件中的分布情况。开发人员根据预测出的结果及时消除缺陷，就能保证软件项目能按期交付的前提下，极大的提高软件产品质量并能够有效地降低后期维护成本，这项工作对软件在实际生产环境中稳定运行以及提高可维护性具有极

5、其重要的意义。软件缺陷预测技术，是一种在对历史缺陷数据进行学习的基础上，通过建立缺陷预测模型来对软件质量产生负荷影响的软件内部模块做出经验性反馈的过程。目前，基于神经网络的软件缺陷预测模型是此领域中研究的热点。然而，使用神经网络进行缺陷预测主要存在以下两方面的问题：一方面，由于用于预测软件缺陷的特征数量过多且比较复杂，因此在使用神经网络进行软件缺陷预测时，不能得到理想的预测效果；另一方面，由于存在很多种基于神经网络的算法，使用哪种神经网络算法进行软件缺陷预测的结果最优，也是相关学者所关注的问题。

6、针对这两方面的问题，本文主要从以下3个方面展开了研究：（1）NASAMDP（NationalAeronauticsandSpaceAdministrationMetricDatabaseProgram）数据集中存在软件度量元维度过高和数据重复的问题，这些问题会导致预测结果准确性不高以及会产生过度评估的结果。为了提高预测的准确性和解决过度评估的问题，本研究使用主成分分析算法对MDP数据集进行最优特征选择以达到特征降维的目的。（2）对软件缺陷预测的相关理论以及基于神经网络算法的缺陷预测方法进行了研究

7、。分析了BP神经网络（BackPropagationNetwork）、Elman神经网络以及RBF（RadialBasisFunction）神经网络的网络结构和算法流程，并以上述三种神经网络算法构建软件缺陷预测模型，通过三种软件缺陷预测模型在MDP数据的预测结果进行综合性能对比分析，选择出了用于软件缺陷预测的最优神经网络算法。（3）为了验证基于神经网络的缺陷预测模型的可用性，本研究首先从实际软件系统中采集了相关的软件度量数据，然后，利用选择出的缺陷预测模型对软件当中的缺陷进行了预测；最后，根据模

8、型的预测结果对软件当中研究结果表明，主成分分析算法能有效的对软件度量元进行降维；使用Elman神经网络算法进行缺陷预测的结果最佳；本研究提出的存在的缺陷模块一一进行比对分析。根据比对分析结果验证了预测模型的可用性。方法能有效的对软件中的缺陷进行预测。关键词：软件缺陷预测；特征选择；神经网络；BP算法；Elman算法；RBF算法ISoftwareDefectPredictionBasedonNeuralNetworkAbstractThepopularityofsoftwarepromotedth