积分商城

最新搜索： 锦锐 sdk 游戏 MC14433 51单片机 字模 ATMEGA8
您现在的位置是：首页 > 技术资料 > 数据驱动的软件缺陷预测研究综述
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

数据驱动的软件缺陷预测研究综述

更新时间：2019-12-24 07:26:04 大小：1M 上传用户：zhiyao6查看TA发布的资源 标签：数据驱动软件缺陷预测 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

数据驱动的软件缺陷预测是提高软件测试效率、保证软件可靠性的重要途径之一,近几年已成为实证软件工程的研究热点.首先介绍了数据驱动软件缺陷预测的研究背景;然后总结了已有软件缺陷数据属性度量方法的特点,并按照软件开发中缺陷预测的使用场景,以数据来源为主线从基于版本内数据、跨版本数据和跨项目数据实现缺陷预测三个方面对近10年(2005~2015)已有的研究工作进行分类归纳和比较;最后对该领域未来的研究趋势进行了展望.


部分文件列表

文件名 大小
数据驱动的软件缺陷预测研究综述.pdf 1M

【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
4
Vol． 45 No． 4  
Apr． 2017  
第
期
电
子
学
报
2017  
4
ACTA ELECTRONICA SINICA  
年
月
数据驱动的软件缺陷预测研究综述  
1，2  
1
1
1
， ， ，  
李 勇 黄志球 王 勇 房丙午  
( 1.  
，
南京航空航天大学计算机科学与技术学院 江苏南京  
211106;  
2.  
，
新疆师范大学网络信息安全与舆情分析重点实验室 新疆乌鲁木齐  
830054)  
:
、 ，  
数据驱动的软件缺陷预测是提高软件测试效率 保证软件可靠性的重要途径之一 近几年已成为实证  
摘
要
． ;  
软件工程的研究热点 首先介绍了数据驱动软件缺陷预测的研究背景 然后总结了已有软件缺陷数据属性度量方法的  
， ， 、  
特点 并按照软件开发中缺陷预测的使用场景 以数据来源为主线从基于版本内数据 跨版本数据和跨项目数据实现  
10 ( 2005 ～ 2015)  
年
;
已有的研究工作进行分类归纳和比较 最后对该领域未来的研究趋势进行  
缺陷预测三个方面对近  
．
了展望  
关键词  
中图分类号  
URL: http: / /www． ejournal． org． cn  
:
;
;
;
软件缺陷预测 数据驱动 软件度量 机器学习  
:
TP311. 5  
:
A
: 0372-2112 ( 2017) 04-0982-07  
DOI: 10． 3969 /j． issn． 0372-2112． 2017． 04． 030  
文献标识码  
文章编号  
电子学报  
Survey on Data Driven Software Defects Prediction  
1，2  
1
1
1
LI Yong ，HUANG Zhi-qiu ，WANG Yong ，FANG Bing-wu  
( 1. College of Computer Science and Technology，Nanjing University of Aeronautics and Astronautics，Nanjing，Jiangsu 211106，China;  
2. Key Laboratory of Network Information Security and Public Opinion Analysis，Xinjiang Normal University，Urumqi，Xinjiang 830054，China)  
Abstract: Data driven software defects prediction is considered as an effective means for the optimization of quality  
assurance activities． This paper tries to survey the studies of data driven software defects prediction from 2005 to 2015. First，  
it briefly introduces the research background in this field． Then，it summarizes and analyzes the software modules attribute  
metrics in detail，and thoroughly surveys the state-of-the-art methods of data driven software defects prediction． The dis-  
cussed topics include within-release，cross-release and cross-project defects prediction． Finally，the potential research direc-  
tions in the field are discussed．  
Key words: software defects prediction; data driven; software metrics; machine learning  
．
已成为近年来的热门研究领域 纵观该方向的发展历  
1
引言  
，
史 通过对软件开发过程中积累的历史数据进行属性  
，
随着计算机软件应用领域的不断扩大 软件的开  
， ，  
度量 采用统计或机器学习技术构建模型 实现数据驱  
［3］  
．
动的软件缺陷预测是学术界和工业界关注的热点  
，
发和运行环境更加多样化 其规模和重要性也在急剧  
研究人员已经对该方向涉及的相关技术和方法开展了  
． ，  
上升 由于系统对软件的强烈依赖 软件在运行中一旦  
， ，  
大量的研究工作 取得了丰硕的成果 有力地促进了软  
， ．  
失效有可能导致严重的后果 有时甚至是致命的 由软  
．
件工程技术的发展 本文全面调查了近  
10 ( 2005 ～  
年内  
，
件失效的机理可知 导致软件不可靠的根本原因是软  
2015)  
，
在期刊和会议中发表的相关文献 以数据来源为  
［1］  
．
件中存在缺陷  
通过软件缺陷预测技术对软件模块  
、
主线对已有的研究工作进行分类回顾 总 结比较和  
， ，  
的缺陷分布进行预测 可以及时发现和修复缺陷 充分  
．
展望  
，
利用有限资源提高软件产品的质量 对软件的可靠性  
［2］  
2
数据驱动的软件缺陷预测相关背景  
．
保证具有重要意义  
，
，
在数据驱动的软件缺陷预测研究中 通常将实现  
软件缺陷预测是实证软件工程的一个重要方向  
: 2015-10-19;  
: 2016-08-01; :  
责任编辑 李勇锋  
收稿日期  
修回日期  
:
( No． 61562087，No． 61272083) ;  
( No． CXLX13 160) ;  
中央高校基本科研业务  
－
基金项目 国家自然科学基金  
费专项项目  
江苏省普通高校研究生科研创新计划  
983  
4
:
勇 数据驱动的软件缺陷预测研究综述  
第
期
李
，
属性度量和缺陷预测的程序单元称为软件模块 其任  
件缺陷预测实现场景中影响模型性能的关键因素有所  
，
． ，  
差异 例如在当前版本数据驱动的预测中 选择合适的  
务是从软件开发中积累的历史数据中学习预测模型  
、
实现目标软件模块的缺陷倾向 缺陷严重度或缺陷数  
“ ” ，  
软件产品属性 刻画 软件模块特征后 如何选择算法  
． ，  
量分布等预测 按照在软件工程中不同的使用场景 图  
;
实现高性能的模型是问题的关键 在跨版本数据驱动  
1
，
给出数据驱动软件缺陷预测的流程框架 包括四个步  
，
的预测中 软件过程属性更为直接地反映了缺陷的产  
:
骤 ①从软件工程数据仓库中选择适合于目标项目的  
; ，  
生过程 而在跨项目数据驱动的预测中 模型的迁移方  
;
历史数据 ②对所选择历史数据进行属性度量和缺陷  
．
法则是影响最终性能的关键因素 本文在总结常用软  
;
标注 ③选择相应的机器学习或统计分析方法实现模  
，
件缺陷数据属性度量方法的基础上 从基于版本内数  
; ，  
型构建 ④实现目标软件模块的缺陷预测 并对模型性  
、
据 跨版本数据和跨项目数据三个场景中实现模型的  
．
，
关键技术出发 对已有的研究进行综述  
．
能进行评价以实现模型的选择和改进  
，
由上述流程可知 度量属性和模型算法的选择决  
［4］  
．
定着数据驱动缺陷预测模型的性能  
但在不同的软  
，
间存在某种关系 发现这些关系也成为软件度量发展  
3
软件缺陷数据属性度量方法  
．
的一个目标 现有的软件缺陷数据度量方法可分为软  
在软件开发过程中积累的历史数据包括软件代  
，
件产品属性度量和软件过程属性度量两大类 如表  
1
、 ．  
码 版本控制和缺陷追踪日志等数据 实现数据驱动  
．
所示  
缺陷预测的前提是认为软件缺陷与历史数据属性之  
1
表
软件缺陷数据属性度量方法  
属性度量  
类型  
子类型  
概述  
代表性文献  
［7］，［8］  
LOC  
代码行度量  
Traditional Metrics  
Halstead  
McCabe  
［5］，［7］，［8］  
［6］，［7］，［8］  
［8］，［9］，［10］，［11］  
［12］，［13］，［14］  
［15］  
操作数和操作符度量  
代码复杂度度量  
面向对象度量  
Product Metrics  
OO Metrics  
CK; MOOD; QMOOD; Martin  
Code Churn  
代码变换度量  
Change Metrics  
Revisions Count  
代码变更次数度量  
前序版本缺陷数度量  
代码开发者度量  
Process Metrics  
Pre-version Defects Count  
Code Developers  
［16］，［17］  
Developer Metrics  
［18］，［19］  
［7］  
采用信息增益方法获取传统代码属性的缺陷预测  
3. 1  
软件产品属性度量  
传统代码属性度量  
，
，
最优属性子集 发现常用的传统代码属性用于缺陷预  
( 1)  
，
测时都是有效的 但在不同项目中最优属性有所差异  
．
在软件缺陷预测中 传统代码属性度量一般指软  
［8］  
文献 指出传统代码属性在软件缺陷预测中具有局  
．
件代码的规模和复杂性度量 常用的规模属性度量有  
［5］  
［6］  
， ．  
限性 一般适用于版本发布前或规模较小的软件系统  
LOC  
Halstead  
，
McCabe  
．
文献  
和
复杂性属性度量有  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号