申请/专利权人：大连理工大学

申请日：2024-01-04

公开（公告）日：2024-03-22

公开（公告）号：CN117743803A

主分类号：G06F18/20

分类号：G06F18/20;G06F18/213;G06F18/241;G06F8/30

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明属于软件缺陷预测技术领域，提出了一种基于进化特征构建的工作量感知即时缺陷预测方法。该方法主要通过多目标遗传优化算法，以模型预测的准确率与所需的工作量作为目标函数，进行机器学习模型的特征构建，并将构建好的特征应用在机器学习模型上。本发明将工作量感知与特征工程相结合，从而更加灵活地应用在不同的模型上。

主权项：1.一种基于进化特征构建的工作量感知即时缺陷预测方法，其特征在于，具体步骤如下：步骤1：数据收集与处理；收集软件度量元与软件实体标签来构造即时软件缺陷预测数据集；由于数据集属于类不平衡数据集，对数据集进行类不平衡数据预处理；步骤2：计算数据集的工作量度量；采用代码变更行数codechurn来作为工作量度量，根据数据集修改的代码行度量元计算得到codechurn；对于代码变更c，具体计算如下：codechurn＝lac+ldc其中，lac和ldc代表了代码变更c增加与删除的代码行数；步骤3：特征构建；在训练集上，通过多目标优化方法来构建进化特征集种群，用表现好的特征个体更新种群，从最终种群中选取最优个体作为最终特征集；具体过程如下：a初始化：随机初始化种群；使用GP树来表示特征；树的叶子节点是被叫做终止集，非叶子节点叫做符号集；终止集被分成了两类，常数和参数x，y，z...；常数在整个进化过程中保持不变，而参数是由程序输入的；由多棵GP树构成的特征集组成进化算法基本单位的个体φ，表示为代表了一组可用于构造的特征集；而由多个个体组成的，存储进化算法过程中的表现良好的个体集合则为种群，一个种群由多个个体构成，表示为P＝{φ1,φ2,...,φs}；b评估：根据训练数据的交叉验证来评估每个新个体的适应度值；适应度评估函数由两个目标函数组成：准确率指标函数与工作量感知函数；对于工作量感知的即时软件缺陷预测，构建模型时主要考虑优化目标，第一个目标是从分类模型角度考虑，对于一组数据，分类指标函数f1通过以下公式计算： 其中，precision和recall分别代表分类预测结果的准确率和召回率指标；f1值可以度量分类模型的性能好坏，该值越高，则代表分类模型性能越好；第二个目标是从工作量感知角度考虑，对于一组数据，通过计算检测该代码变更所需的工作量，也就是codechurn，来计算缺陷密度： 对于一个代码变更c，denistyc代表该变更的缺陷密度，ypred代表该变更在分类模型上的预测值，那么工作量指标代码密度平均比例avd用如下公式计算： 其中，c1，c2，...，cM为M个代码变更按照预测缺陷密度升序进行排列，denistyci代表代码变更ci的实际缺陷密度；因此，缺陷密度之和定义为D；对于检查每个代码变更所需的缺陷密度占总缺陷密度的比例用pd来表示，则M个代码变更的pd平均值用avd可以计算得出，工作量感知模型性能越好，则越会将缺陷密度大的代码变更排序在前，即avd越大；c进化：每个个体都包含一组GP树；在后代生成中，从每个个体中随机挑选GP树来执行如下变异和交叉操作；1变异算子：随机选择一个子树并用随机生成的树替换它；2交叉算子：用来自另一个父代的子树随机替换来自一个父代的子树；为了保持种群多样性，强制变异算子生成新的个体；d选择：将父子两代的进行合并，对合并后的种群，基于NSGA-II算法进行多目标优化选择，具体步骤如下：首先，通过快速非支配排序算法对个体之间的Pareto支配与非支配关系进行排序分层，分为不同的Pareto前沿；Pareto支配与非支配关系的定义如下：假设φi和φj是种群中的两个个体，当f1φi＞f1φj且avdφi≥avdφj或f1φi≥f1φj且avdφi＞avdφj时，称φi对φj是Pareto支配；如果当前目标空间中不存在支配φ的个体，则称该个体φ为Pareto最优解；由一组Pareto最优解组成的解集对应的向量表示就是Pareto前沿；为保证群体的多样性，需要在每一层级Pareto前沿上计算每个个体的拥挤度，从而在每个层级上比较个体的优异程度；种群中的每个个体都设定一个拥挤度参数，针对每个目标函数，找出与该解函数值相邻的两个解并计算这两个解之间的函数差值；当前解的拥挤距离就是所有目标函数获得的相邻解函数差值之和，拥挤距离越小就代表该个体周围越拥挤；最后，通过采用精英策略来防止优秀个体的流失，首先将父代种群和子代种群合成种群，根据以下偏序规则从合并后的种群生成新的父代种群：如果两个个体具有不同的Pareto前沿层级，则偏向于低Pareto前沿层级的个体；如果两个个体具有相同的Pareto前沿层级，则偏向于大拥挤距离的个体；e生成最终特征集：达到进化算法最终条件后，停止进化并得到最终种群，也就是最优解集，计算得到最优解集中分类指标最大的个体作为最优解，即最终构造的特征集；步骤4：模型训练；通过特征构建阶段生成的特征集来重新构建训练数据集，为新构建出来的数据集训练分类预测模型，生成最终模型；采用决策树算法作为分类模型，决策树是一种树状结构，它的每一个叶节点对应着一个分类，非叶节点对应着在某个属性上的划分，根据样本在该属性上的不同取值将其划分成若干个子集；该分类模型的具体算法如下：假定共有y类样本，当前样本集合D中第k类样本所占的比例为pk，则D的信息熵EntD定义为： EntD的值越小，则D的纯度越高；假设离散属性a可能存在V个取值，则使用a对集合D进行划分，会产生V个分支，其中第v个分支结点包含了D中所有在属性a上取值av为的样本，即为Dv；给分支结点赋予权重可以得到信息增益Gain： 信息增益越大表示使用属性a来划分所获得的纯度提升越大，以信息增益作为依据来划分，根据样本在该属性上的不同取值将其划分成若干个子集，即分为不同类；在即时软件缺陷预测领域中，属性就是数据集的特征，划分的类别分为缺陷与干净两种类型；将最终生成的决策树模型用于后续的代码变更的缺陷预测，保证工作量感知场景下的预测准确率。

全文数据：

权利要求：

百度查询： 大连理工大学 一种基于进化特征构建的工作量感知即时缺陷预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD