基于廣義半監(jiān)督學(xué)習(xí)方法的軟件質(zhì)量預(yù)測(cè)研究.pdf

1、軟件質(zhì)量預(yù)測(cè)是對(duì)軟件質(zhì)量進(jìn)行早期預(yù)測(cè)和控制的方法，其主要使用機(jī)器學(xué)習(xí)或者統(tǒng)計(jì)學(xué)方法來構(gòu)建軟件質(zhì)量模型，并以此對(duì)軟件中潛在的錯(cuò)誤進(jìn)行預(yù)測(cè)和預(yù)警。在軟件開發(fā)和測(cè)試過程中正確預(yù)測(cè)和識(shí)別具有錯(cuò)誤傾向的軟件模塊，可以幫助軟件開發(fā)機(jī)構(gòu)合理配置資源、降低研發(fā)成本、縮短產(chǎn)品開發(fā)周期，因此，有效的軟件質(zhì)量預(yù)測(cè)系統(tǒng)對(duì)于提高軟件產(chǎn)品質(zhì)量和企業(yè)聲譽(yù)有著重要的工程意義和經(jīng)濟(jì)價(jià)值。
　　 傳統(tǒng)軟件質(zhì)量預(yù)測(cè)的主要建模方法，在機(jī)器學(xué)習(xí)領(lǐng)域通常被稱為監(jiān)督學(xué)習(xí)方法

2、，其要求訓(xùn)練過程中所用到的每個(gè)軟件模塊都要給出明確的質(zhì)量標(biāo)簽。但是，準(zhǔn)確可靠的軟件質(zhì)量標(biāo)簽只有經(jīng)過詳盡、完整的軟件測(cè)試和對(duì)錯(cuò)誤的精確定位才能得到，此過程耗時(shí)較長且成本較高，并且軟件質(zhì)量標(biāo)簽的可靠性還經(jīng)常會(huì)被軟件開發(fā)中的許多實(shí)際因素所削弱，這些都限制了軟件質(zhì)量預(yù)測(cè)模型的廣泛使用。針對(duì)當(dāng)前軟件質(zhì)量模型的不足，本論文旨在通過研究機(jī)器學(xué)習(xí)領(lǐng)域的一些新型廣義半監(jiān)督學(xué)習(xí)方法，探討如何使用較少的軟件質(zhì)量標(biāo)簽來建立準(zhǔn)確有效的軟件質(zhì)量模型，從而使其可以更

3、快速、高效、經(jīng)濟(jì)和廣泛地應(yīng)用于實(shí)際的軟件開發(fā)和測(cè)試中。半監(jiān)督學(xué)習(xí)方法可以同時(shí)對(duì)有標(biāo)簽樣本和無標(biāo)簽樣本進(jìn)行學(xué)習(xí)和訓(xùn)練，因此，基于半監(jiān)督學(xué)習(xí)方法的軟件質(zhì)量系統(tǒng)具有構(gòu)建快速、成本較低和應(yīng)用范圍廣泛等優(yōu)點(diǎn)。本文所研究的廣義半監(jiān)督學(xué)習(xí)方法主要包括多示例學(xué)習(xí)、結(jié)構(gòu)化核函數(shù)方法和主動(dòng)學(xué)習(xí)方法，目前，關(guān)于半監(jiān)督學(xué)習(xí)方法在軟件質(zhì)量預(yù)測(cè)領(lǐng)域的研究還不多見，基于這三種新型廣義半監(jiān)督學(xué)習(xí)方法的軟件質(zhì)量模型也尚未見有文獻(xiàn)報(bào)道。
　　 在對(duì)所研究廣義半監(jiān)督

4、學(xué)習(xí)方法進(jìn)行闡述之前，本文首先對(duì)傳統(tǒng)軟件質(zhì)量預(yù)測(cè)領(lǐng)域的研究做了一個(gè)框架性的綜述介紹。軟件質(zhì)量預(yù)測(cè)系統(tǒng)可以被分為四個(gè)主要的模塊，即數(shù)據(jù)集構(gòu)建、質(zhì)量模型訓(xùn)練、模型的評(píng)估測(cè)試和不同算法模型比較。文中對(duì)每個(gè)部分的主要任務(wù)和相關(guān)的研究工作分別進(jìn)行了闡述。在數(shù)據(jù)集構(gòu)建中，系統(tǒng)主要對(duì)數(shù)據(jù)進(jìn)行屬性選擇、歸一化等預(yù)處理。數(shù)據(jù)集在預(yù)處理以后通常被劃分為訓(xùn)練集和測(cè)試集，系統(tǒng)根據(jù)選定的具體算法在訓(xùn)練集上構(gòu)建軟件質(zhì)量預(yù)測(cè)模型，并在測(cè)試集數(shù)據(jù)上進(jìn)行測(cè)試。對(duì)于得到的

5、模型需要進(jìn)行參數(shù)計(jì)算以評(píng)估其性能，并以此對(duì)模型參數(shù)進(jìn)行進(jìn)一步的調(diào)整和優(yōu)化。最后，根據(jù)一定的檢驗(yàn)標(biāo)準(zhǔn)和具體的數(shù)據(jù)集，可以對(duì)基于不同算法的軟件質(zhì)量模型進(jìn)行比較。此框架介紹中所涉及的具體內(nèi)容包括軟件質(zhì)量概念、軟件度量、各類統(tǒng)計(jì)和學(xué)習(xí)算法以及模型評(píng)估參數(shù)的選擇策略。
　　 隨后本文介紹了所研究的第一種廣義半監(jiān)督學(xué)習(xí)架構(gòu)多示例學(xué)習(xí)方法，并創(chuàng)新性地將其引入到軟件質(zhì)量預(yù)測(cè)領(lǐng)域中。多示例學(xué)習(xí)方法使用由多個(gè)示例構(gòu)成的示例包作為基本的學(xué)習(xí)對(duì)象，因此

6、其在利用大量的軟件模塊信息的同時(shí)，只需要少量的軟件質(zhì)量標(biāo)簽就可以進(jìn)行建模和預(yù)測(cè)。文中介紹了多示例學(xué)習(xí)(MIL)的基本概念和相關(guān)研究，隨后將多示例學(xué)習(xí)與兩種相關(guān)的監(jiān)督學(xué)習(xí)架構(gòu)SL-B和SL-I進(jìn)行了深入的比較，并著重分析了SL-I對(duì)示例包產(chǎn)生錯(cuò)誤分類的因?yàn)?，給出了其理論表達(dá)式以及在多元正態(tài)分布假設(shè)下的近似估計(jì)。在實(shí)際工程數(shù)據(jù)集上的實(shí)驗(yàn)表明，多示例方法比SL-B的預(yù)測(cè)效果更好，并可以使用較少的質(zhì)量標(biāo)簽構(gòu)建與SL-I預(yù)測(cè)準(zhǔn)確度相當(dāng)?shù)能浖|(zhì)量模

7、型。
　　 然后，本文將面向?qū)ο笮蛙浖械能浖K視為更加復(fù)雜的結(jié)構(gòu)化數(shù)據(jù)，并引入新型的結(jié)構(gòu)化核函數(shù)方法進(jìn)行了軟件質(zhì)量建模和分類預(yù)測(cè)研究。文中介紹了結(jié)構(gòu)化核函數(shù)及其相關(guān)研究，概述了新型學(xué)習(xí)算法支持向量機(jī)(SVM)的理論研究和一些支持向量機(jī)，并提出了使用結(jié)構(gòu)化核函數(shù)方法對(duì)軟件對(duì)象進(jìn)行知識(shí)表示、模型構(gòu)建和訓(xùn)練的流程，和一種新穎的分層核函數(shù)。在由二分樹構(gòu)成的人工數(shù)據(jù)集和實(shí)際.工業(yè)軟件數(shù)據(jù)集上的實(shí)驗(yàn)表明，與傳統(tǒng)的監(jiān)督學(xué)習(xí)方法相比，結(jié)構(gòu)化

8、核函數(shù)方法對(duì)于樹形的結(jié)構(gòu)化數(shù)據(jù)普遍有著較好的分類效果。相比于實(shí)驗(yàn)中的其它核函數(shù)，分層核函數(shù)能夠更好地學(xué)習(xí)和預(yù)測(cè)面向?qū)ο筌浖械慕Y(jié)構(gòu)化軟件模塊。在與前文的多示例學(xué)習(xí)方法進(jìn)行的對(duì)比中發(fā)現(xiàn)，多示例學(xué)習(xí)對(duì)于具有上下層關(guān)系的軟件模塊具有普適性，但是隨著模塊結(jié)構(gòu)的進(jìn)一步復(fù)雜化，其預(yù)測(cè)準(zhǔn)確率會(huì)逐漸降低，而結(jié)構(gòu)化核函數(shù)方法，特別是分層核函數(shù)則在學(xué)習(xí)復(fù)雜結(jié)構(gòu)化數(shù)據(jù)方面顯示出較好的性能，因此其更適用于面向?qū)ο笮蛙浖械能浖|(zhì)量預(yù)測(cè)。
　　 區(qū)別于前

9、兩種廣義半監(jiān)督學(xué)習(xí)方法的聚類策略，本文隨后研究了采用主動(dòng)選擇策略的主動(dòng)學(xué)習(xí)方法在軟件質(zhì)量預(yù)測(cè)中的應(yīng)用。與傳統(tǒng)監(jiān)督學(xué)習(xí)批量性、一次性訓(xùn)練所有樣本的方法不同，主動(dòng)學(xué)習(xí)方法通過主動(dòng)選擇、逐次詢問和增長性學(xué)習(xí)的方法來構(gòu)建模型。其主要優(yōu)點(diǎn)在于可以在不明顯損失學(xué)習(xí)精度的情況下，利用主動(dòng)選擇的少量樣本即可進(jìn)行建模。文中介紹了主動(dòng)學(xué)習(xí)方法的基本知識(shí)、相關(guān)研究和關(guān)鍵性問題。在具體的軟件工程數(shù)據(jù)集上對(duì)兩種典型的池式主動(dòng)學(xué)習(xí)算法和一種新型的流式主動(dòng)學(xué)習(xí)算法進(jìn)

10、行了實(shí)驗(yàn)研究。結(jié)果表明選用的主動(dòng)學(xué)習(xí)算法可以使用數(shù)據(jù)集百分之十左右的樣本有效地構(gòu)建軟件質(zhì)量模型，其效果僅略遜于使用全部樣本的監(jiān)督學(xué)習(xí)式模型。因此，基于主動(dòng)學(xué)習(xí)的軟件質(zhì)量預(yù)測(cè)對(duì)于指導(dǎo)靈活、快速的軟件測(cè)試具有很強(qiáng)的應(yīng)用潛力和工程價(jià)值。另外，文中還對(duì)三種學(xué)習(xí)方法進(jìn)行了綜合比較。
　　 最后，本文歸納了采用廣義半監(jiān)督學(xué)習(xí)進(jìn)行軟件質(zhì)量預(yù)測(cè)的一些主要研究結(jié)論，并對(duì)未來工作作了一些展望。本文使用的實(shí)際數(shù)據(jù)集都來源于大型的重要軟件工程，其中的一