半監(jiān)督集成跨項(xiàng)目軟件缺陷預(yù)測(cè)

　　 軟件缺陷預(yù)測(cè)方法可以在項(xiàng)目的開(kāi)發(fā)初期，通過(guò)預(yù)先識(shí)別出所有可能含有缺陷的軟件模塊來(lái)優(yōu)化測(cè)試資源的分配．早期的缺陷預(yù)測(cè)研究大多集中于同項(xiàng)目缺陷預(yù)測(cè)，但同項(xiàng)目缺陷預(yù)測(cè)需要充足的歷史數(shù)據(jù)，而在實(shí)際應(yīng)用中，可能需要預(yù)測(cè)項(xiàng)目的歷史數(shù)據(jù)較為稀缺，或這個(gè)項(xiàng)目是一個(gè)全新項(xiàng)目．因此，跨項(xiàng)目缺陷預(yù)測(cè)問(wèn)題成為當(dāng)前軟件缺陷預(yù)測(cè)領(lǐng)域內(nèi)的一個(gè)研究熱點(diǎn)，其研究挑戰(zhàn)在于源項(xiàng)目與目標(biāo)項(xiàng)目數(shù)據(jù)集間存在的分布差異性以及數(shù)據(jù)集內(nèi)存在的類不平衡問(wèn)題．受到基于搜索的軟件工程思想的啟發(fā)，提出了一種基于搜索的半監(jiān)督集成跨項(xiàng)目軟件缺陷預(yù)測(cè)方法S3EL．該方法首先通過(guò)調(diào)整訓(xùn)練集中各類數(shù)據(jù)的分布比例，構(gòu)建出多個(gè)樸素貝葉斯基分類器；隨后，利用具有全局搜索能力的遺傳算法，基于少量已標(biāo)記目標(biāo)實(shí)例對(duì)上述基分類器進(jìn)行集成，并構(gòu)建出最終的缺陷預(yù)測(cè)模型．在Promise數(shù)據(jù)集及AEEEM數(shù)據(jù)集上與多個(gè)經(jīng)典的跨項(xiàng)目缺陷預(yù)測(cè)方法（Burak過(guò)濾法、Peters過(guò)濾法、TCA+、CODEP及HYDRA）進(jìn)行了對(duì)比．以F1值作為評(píng)測(cè)指標(biāo)，結(jié)果表明：在大部分情況下，S3EL方法可以取得最好的預(yù)測(cè)性能．