尤姗姗，刘雪娇

(杭州师范大学信息科学与技术学院，浙江 杭州 311121)

1 引言

如今计算机中软件的占比不断上升，系统越来越依赖软件，导致软件出现任何程度的风险都会造成计算机系统出现错误、失效和崩溃等情况[1]。通常情况下，为保证软件模块的稳定，有50%以上的资金都用于测试软件风险，浪费了大量人力和财力，所以在开发软件时利用有效的软件风险模块预测方法进行风险预测显得尤为重要[2-3]。

陈曙[4]等人提出基于领域适配的跨项目软件模块风险预测方法，该方法将领域适配和学习预测模型相融合，建立出软件样本相关权重，将权重添加到系统样本中，利用实例权重影响预测模型的训练，将软件样本中的风险数据集分配到训练数据集中，实现软件模块风险预测。该方法在预测软件模块风险前没有对软件模块数据进行预处理，只能在较高维度中进行预测，使得预测难度过大，降低了软件模块风险预测的精度，存在F1分数低的问题。杨杰[5]等人提出基于多源异构的软件模块风险预测方法，该方法首先利用数据统计特征求解出度量元相似度，其次构建不同软件项目的预测模型，输入软件参数，得到输出结果，最后根据结果相似度大小加权整合所有输出结果，实现软件模块风险预测。该方法没有通过主成分分析法对数据进行处理，无法保证数据互不依赖，也不能确保数据在计算过程中不被遗漏，因此软件模块在预测过程中信息数量庞大，且十分分散，大大降低了预测准确率，AUC的面积也会下降，AUC分数随之下降。……