本发明专利技术公开了加权Stacking的即时软件缺陷预测方法及系统，涉及软件缺陷技术领域，包括对原始缺陷数据集进行概率随机特征选择得到特征子集F<subgt;n</subgt;；利用不同的特征变换策略，对各个特征子集中的原始的特征数据进行缩放，并建立分类器；构建初级分类器，构建次级分类器LR，根据分类器求得新的训练集和测试集；将LR在新的测试集上的预测结果和测试集对应的标签对比计算，得到集成模型的各种评价指标得分。本发明专利技术改进传统的Stacking模型，给初级分类器分配了权重，减少数据集分配不均带来的差异性，并且对数据进行变换策略，有效防止特征量级的差异影响模型内部处理。
1、随着软件规模的不断增加和软件结构的日益复杂，软件缺陷的存在已成为一个不可避免的事实。软件缺陷不仅阻碍了软件的应用和开发，还造成了巨大的经济损失。因此，迫切需要一种有效的软件缺陷预测模型。传统的缺陷预测技术主要基于对文件、模块或软件包等粗粒度软件实体的分析，这需要花费大量的时间和精力。因此，出现了一种新的软件缺陷预测技术—即时软件缺陷预测。即时软件缺陷预测技术可以认为是一项分类任务，包括根据历史数据和软件度量或特征，将软件模块分类为缺陷或无效。软件特性或度量反映了软件模块的特性。
2、然而，不管是传统软件缺陷预测还是即时软件缺陷预测，模型预测的准确性均受到数据集类别不平衡的影响。软件工程领域20％的缺陷可能存在于80％的模块中。在多数情况下不会引起缺陷的代码更改占比更大，因此数据集中存在不平衡率，即少数和多数类别之间的失衡，会影响模型的分类预测效果。大多数类，即不会产生缺陷的代码更改会使模型具有虚高的预测准确率，难以在实际应用中获得预期的结果。并且缺陷数据集经过数据处理和特征工程后会产生很多特征，使得特征空间会变得非常大，而且存在很多冗余特征，也会影响模型预测准确率。
>3、为解决上述技术问题，本专利技术提供如下技术方案：加权stacking的即时软件缺陷预测方法，其包括，对原始缺陷数据集进行概率随机特征选择，给定概率p，每个初级模型根据概率百分比随机选取特征子集fn；利用不同的特征变换策略，对各个特征子集中的原始的特征数据进行缩放，分别在不同特征变换策略的基础上建立分类器；构建初级分类器，将数据集x分为训练集xtrain和对应的标签ytrain以及测试集xtest和对应的标签ytest；构建次级分类器lr，合并每个初级分类器对训练集xtrain的预测结果作为x′train输入到lr中，同时根据初级分类器在训练集上的测试精度对测试集xtest的预测结果进行加权平均形成x′test输入到lr中，求得新的训练集x″train和测试集x″test；将lr在测试集x″test上的预测结果y″test和ytest对比计算，得到集成模型的各种评价指标得分。4、作为本专利技术所述加权stacking的即时软件缺陷预测方法的一种优选方案，其中：所述建立分类器包括，在minmax策略上建立随机森林rf分类器得到分类器m-rf，在z-score策略上建立lightgbmf分类器得到分类器z-lgbm，在robust策略上建立adaboost分类器得到分类器r-ada；所述初级分类器包括，将m-rf分类器、z-lgbm分类器和r-ada分类器结合构建初级分类器；所述求得新的训练集x″train和测试集x″test包括，对次级分类器lr的输入特征x′train和x′test进行特征多项式扩展，扩充特征维数，将数据映射到更高维的空间，增大模型对数据的适应范围，得到新的训练集x″train和测试集x″test。
5、作为本专利技术所述加权stacking的即时软件缺陷预测方法的一种优选方案，其中：所述给定概率p选取为0.9；所述特征子集fn表示为，fn＝[f1,f2,f3,...,fn]，其中n为特征个数；所述随机选取包括，每个初级模型选择特征子集之前，先打乱全部特征的顺序，模型从第一个特征开始选取90％的特征作为入模特征。
6、作为本专利技术所述加权stacking的即时软件缺陷预测方法的一种优选方案，其中：所述分类器m-rf包括，将训练集xtrain划分成五等份，
7、{xtrain_1,xtrain_2,xtrain_3,xtrain_4,xtrain_5}
8、对应的训练集标签也分为5份，
9、{ytrain_1,ytrain_2,ytrain_3,ytrain_4,ytrain_5}
10、测试集为xtest，将第i个训练集作为验证集，其余4份作为训练集训练rf分类器，训练好m-rf后，将xtrain_i输入到m-rf中得到预测结果y1i，验证集的真实标签为ytrain_i，计算y1i和ytrain_i的均方误差msei；将xtest输入到m-rf中得到预测结果y′1i，直到i>5结束训练；训练结束后，得到验证集预测结果集合{y11,y12,y13,y14,y15}，合成一列得到m-rf在训练集上的预测结果y1；m-rf在验证集的均方误差集合mse表示为，
11、mse＝{mse1,mse2,mse3,mse4,mse5}
12、依据均方误差给m-rf分配权重，误差越大，权重越低，所述权重wi计算公式表示为，
13、
14、得到每次训练后m-rf的权重，对测试集的预测集合{y′11,y′12,y′13,y′14,y′15}进行加权求和得到最终结果表示为，
15、
16、作为本专利技术所述加权stacking的即时软件缺陷预测方法的一种优选方案，其中：所述分类器z-lgbm包括，将训练集xtrain划分成五等份，
17、{xtrain_1,xtrain_2,xtrain_3,xtrain_4,xtrain_5}
18、对应的训练集标签也分为5份{ytrain_1,ytrain_2,ytrain_3,ytrain_4,ytrain_5}，测试集为xtest，将第i个训练集作为验证集，其余4份作为训练集训练rf分类器，训练好z-lgbm后，将xtrain_i输入到z-lgbm中得到预测结果y2i，验证集的真实标签为ytrain_i，计算y2i和ytrain_i的均方误差msei；将xtest输入到m-rf中得到预测结果y′2i，直到i>5结束训练；训练结束后，得到验证集预测结果集合{y21,y22,y23,y24,y25}，合成一列得到z-lgbm在训练集上的预测结果y2；z-lgbm在验证集的均方误差集合为mse＝{mse1,mse2,mse3,mse4,mse5}，依据均方误差给z-lgbm分配权重，得到每次训练后z-lgbm的权重，对测试集的预测集合{y′21,y′22,y′23,y′24,y′25}进行加权求和得到最终结果表示为，
19、
20、作为本专利技术所述加权stacking的即时软件缺陷预测方法的一种优选方案，其中：所述分类器r-ada包括，将训练集xtrain划分成五等份，
21、{xtrain_1,xtrain_2,xtrain_3,xtrain_4,xtrain_5}
22、对应的训练集标签也分为5份{ytrain_1,ytrain_2,ytrain_3,ytrain_4,ytrain_5}，测本文档来自技高网...
【技术保护点】
1.加权Stacking的即时软件缺陷预测方法，其特征在于：包括，
2.如权利要求1所述的加权Stacking的即时软件缺陷预测方法，其特征在于：所述建立分类器包括，在MinMax策略上建立随机森林RF分类器得到分类器M-RF，在Z-Score策略上建立LightGBMF分类器得到分类器Z-LGBM，在Robust策略上建立AdaBoost分类器得到分类器R-Ada；
3.如权利要求2所述的加权Stacking的即时软件缺陷预测方法，其特征在于：所述给定概率p选取为0.9；所述特征子集Fn表示为，Fn＝[f1，f2，f3，...，fn]，其中n为特征个数；所述随机选取包括，每个初级模型选择特征子集之前，先打乱全部特征的顺序，模型从第一个特征开始选取90％的特征作为入模特征。
4.如权利要求3所述的加权Stacking的即时软件缺陷预测方法，其特征在于：所述分类器M-RF包括，将训练集Xtrain划分成五等份，
5.如权利要求4所述的加权Stacking的即时软件缺陷预测方法，其特征在于：所述分类器Z-LGBM包括，将训练集Xtrain划分成五等份，
6.如权利要求5所述的加权Stacking的即时软件缺陷预测方法，其特征在于：所述分类器R-Ada包括，将训练集Xtrain划分成五等份，
7.如权利要求6所述的加权Stacking的即时软件缺陷预测方法，其特征在于：所述X’train和X’test包括，将M-RF、Z-LGBM和R-Ada三个分类器在训练集上的预测结果整合在一起，形成X′train＝{Y1，Y2，Y3}；将M-RF、Z-LGBM和R-Ada三个分类器在测试集上的预测结果整合在一起，形成X′test＝{Y1′，Y′2，Y′3}；
8.一种采用如权利要求1～7任一所述的加权Stacking的即时软件缺陷预测方法的系统，其特征在于：包括特征获取模块、分类器构建模块和评价指标模块；
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的加权Stacking的即时软件缺陷预测方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的加权Stacking的即时软件缺陷预测方法的步骤。
...
【技术特征摘要】
1.加权stacking的即时软件缺陷预测方法，其特征在于：包括，
2.如权利要求1所述的加权stacking的即时软件缺陷预测方法，其特征在于：所述建立分类器包括，在minmax策略上建立随机森林rf分类器得到分类器m-rf，在z-score策略上建立lightgbmf分类器得到分类器z-lgbm，在robust策略上建立adaboost分类器得到分类器r-ada；
3.如权利要求2所述的加权stacking的即时软件缺陷预测方法，其特征在于：所述给定概率p选取为0.9；所述特征子集fn表示为，fn＝[f1，f2，f3，...，fn]，其中n为特征个数；所述随机选取包括，每个初级模型选择特征子集之前，先打乱全部特征的顺序，模型从第一个特征开始选取90％的特征作为入模特征。
4.如权利要求3所述的加权stacking的即时软件缺陷预测方法，其特征在于：所述分类器m-rf包括，将训练集xtrain划分成五等份，
5.如权利要求4所述的加权stacking的即时软件缺陷预测方法，其特征在于：所述分类器z-lgbm包括，将训练集xtrain划分成五等份，
6.如权利要求5所述的...
【专利技术属性】
技术研发人员：陈丽琼，张庆庆，孙怀英，虞才珠，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。