一种面向跨版本缺陷预测的演化程度度量方法技术

一种面向跨版本缺陷预测的演化程度度量方法，包括步骤1：针对面向对象项目的相邻演化版本，提供了四种演化度量指标，包括消失类与新增类比例、缺陷率变更、不变类比例和干扰类比例；步骤2：选取四个演化项目的多个版本进行分析，针对相邻版本计算各个演化度量指标的值，即消失类与新增类比例、缺陷率变更、不变类比例和干扰类比例的值；步骤3：在朴素贝叶斯和随机森林模型上进行跨版本缺陷预测，采用精确率、召回率和F度量作为性能评价指标。针对面向对象项目的相邻演化版本，本发明专利技术提供的四种演化度量指标能够有效度量相邻版本间的演化程度，并能够显著影响跨版本缺陷预测的召回率和F度量。F度量。F度量。

【技术实现步骤摘要】
一种面向跨版本缺陷预测的演化程度度量方法


[0001]本专利技术涉及一种演化程度度量方法，具体是一种面向跨版本缺陷预测的演化程度度量方法，属于软件缺陷预测


技术介绍

[0002]软件缺陷预测是软件工程领域的研究热点之一。软件缺陷预测旨在利用历史数据预测软件产品中潜在的缺陷，达到合理分配测试资源、提高测试效率的目的。一般地，传统的软件缺陷预测方法是对历史数据(训练集)进行训练并构建预测模型，然后对新数据(测试集)进行预测。然而，该方法需要大量的历史标记数据作为训练集，对于一个新项目，往往因缺乏历史数据而无法构建预测模型，导致传统的软件缺陷预测方法难以适用。
[0003]软件演化是软件维护和软件更新的行为和过程。在软件投入使用后，由于缺陷修复、需求增加和环境变化等，维护人员需要对软件进行变更以满足新的需求；或者为了提高软件的性能及可靠性而进行改进等，这些过程均称为软件演化。软件演化是一个动态持续的过程，演化过程会产生很多演化版本，且不可避免地会引入新的缺陷，所以软件演化也是软件缺陷的重要来源之一。
[0004]在实际应用中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向跨版本缺陷预测的演化程度度量方法，其特征在于，包括以下步骤：步骤1：针对面向对象项目的相邻演化版本，提供了四种演化度量指标，包括消失类与新增类比例、缺陷率变更、不变类比例和干扰类比例；步骤2：选取四个演化项目的多个版本进行分析，针对相邻版本计算各个演化度量指标的值，即消失类与新增类比例、缺陷率变更、不变类比例和干扰类比例的值；步骤3：在朴素贝叶斯和随机森林模型上进行跨版本缺陷预测，采用精确率、召回率和F度量作为性能评价指标。2.根据权利要求1所述的一种面向跨版本缺陷预测的演化程度度量方法，其特征在于，步骤2中，采用消失类与新增类比例来度量版本间的演化程度，具体如下：假设一个面向对象项目的两个相邻版本V1和V2，V1表示前一个版本，V2表示当前版本；前一个版本V1中的类分为共同类CC和消失类DC，当前版本V2中的类分为共同类CC和新增类NC；消失类与新增类比例记为PDNC：指前一个版本V1中的消失类与当前版本V2中的新增类占前一个版本V1和当前版本V2中所有类的比例，消失类与新增类比例PDNC计算过程如式(1)所示：式中：n(V1(DC))表示前一个版本V1中消失类的数量；n(V2(NC))表示当前版本V2中新增类的数量；n(V1∪V2)表示前一个版本V1和当前版本V2中所有类的数量；消失类与新增类比例PDNC的值越高，说明相邻版本的演化程度越高。3.根据权利要求1或2所述的一种面向跨版本缺陷预测的演化程度度量方法，其特征在于，步骤2中采用缺陷率变更来度量版本间的演化程度，具体如下：缺陷率变更记为CDR：指两个相邻版本中前一个版本V1和当前版本V2的缺陷率DR之差的绝对值；其中缺陷率是指一个版本中有缺陷类占所有类的比例；缺陷率变更CDR计算过程如式(2)所示：CDR＝|DR(V1)
‑
DR(V2)|
ꢀꢀꢀꢀꢀꢀ
(2)式中：DR(V1)表示前一个版...

【专利技术属性】
技术研发人员：于巧，张功杰，韩惠，
申请(专利权)人：江苏师范大学，
类型：发明
国别省市：