李丽媛 江国华

摘要：软件缺陷预测技术通过分析软件静态信息，对软件模块的缺陷倾向性做出判断，合理分配测试资源。但有时搜集的大量度量元信息是无关或冗余的，这些高维的特征增加了缺陷预测的复杂性。文章提出了一种新的度量元选择方法，首先通过样本聚类将相似度高的样本聚在同一簇中，然后在每个簇中按照最低冗余度进行特征子集的挑选，主要选择相互间冗余度低，且预测能力强的度量元。最后通过NASA数据集的实例证明本文方法能有效降低特征子集的冗余率，并能有效提高预测的准确度。

关键词：软件缺陷预测;特征选择;特征聚类

中图法分类号：TP311

文献标识码：A

1 引言

随着现代信息技术的发展，软件规模不断增长，程序复杂度不断提高，致使软件中隐藏的缺陷也越来越多，由此引发的软件故障给国家、给企业带来了不可估量的损失。软件缺陷预测技术从20世纪70年代发展至今，一直备受关注。软件缺陷预测技术可以分为静态缺陷预测技术和动态缺陷预测技术[1]。静态缺陷预测技术主要分析软件静态信息，利用与缺陷相关的度量元，准确预测出软件模块的缺陷数量或缺陷分布情况。这样在软件测试时可以合理分配测试资源，给软件质量保证提供了重要的途径。

在分析软件模块时，有大量的软件度量元（即特征）可以提取，而特征间是存在冗余关系的，即一个特征可以由其他一个或几个特征信息推导出来。……