李伟湋 郭鸿昌

(1.南京航空航天大学航天学院，南京,210016；2.东部战区空军装备部，南京,210081)

基于邻域三支决策粗糙集模型的软件缺陷预测方法*

李伟湋1郭鸿昌2

(1.南京航空航天大学航天学院，南京,210016；2.东部战区空军装备部，南京,210081)

基于已有软件缺陷数据，建立分类模型对待测软件模块进行预测，能够提高测试效率和降低测试成本。现有基于机器学习方法对软件缺陷预测的研究大部分基于二支决策方式，存在误分率较高等问题。本文针对软件缺陷数据具有代价敏感特性且软件度量取值为连续值等特性，提出了一种基于邻域三支决策粗糙集模型的软件缺陷预测方法，该方法对易分错的待测软件模块作出延迟决策，和二支决策方法相比，降低了误分类率。在NASA软件数据集上的实验表明所提方法能够提高分类正确率并减小误分类代价。

软件缺陷分类；邻域三支决策粗糙集模型；三支决策

引 言

软件缺陷预测在减少软件开发成本和提高软件质量方面发挥着重要作用[1-3]。在软件测试过程中，通过软件缺陷预测可以帮助软件项目管理者合理安排有限的测试时间和人力资源，从而在有限的测试资源情况下提高软件测试的有效性及软件质量。目前对软件缺陷预测的研究主要可以分为两类：(1)通过对软件模块缺陷数目的预测，将某些模块定位为高缺陷率模块或低缺陷率模块，这种方法通常将软件缺陷预测看作回归问题[4]。(2)将软件缺陷预测看作分类问题[5]，将软件缺陷分类为有缺陷趋势模块和无缺陷趋势的模块，通常使用决策树、贝叶斯网络、人工神经网络和支持向量机等机器学习方法[6]。……