基于主动迁移学习的软件缺陷预测模型与方法研究

Many prediction models can not predict the most defective modules, because they are difficult to apply in the actual software developments, especially on projects which are across different companies in different application areas. We intend to combat the lack of sample data and class-imbalanced problem which are inherent in software data sets. Based on active learning and kernel method, key data points are identified to build a higher accuracy classification. The proposed method reduces labeling effort by fusing a small amount of local data and unlabeled data information. We also analyze the different data distributions in the cross-project defect prediction, and exploit transfer learning theory to form a learning framework based on similarity measurement, which can transfer knowledge from target data to source data. Eventually an effective treatment of uncertainty is obtained in software development environment to meet the preferences of different areas of the projects and the computational complexity. Our research will be an important complement to existing software defect prediction techniques which is expected to be used in large-scale software development, to improve the decision-making process of software development, to improve software quality, shorten the software development cycle and reduce costs of the software development.

针对已有的软件缺陷预测模型很难应用到实际软件开发项目中，特别是在不同机构不同领域的跨工程应用时，无法预测出大多数有缺陷的软件模块。本项目拟对软件数据集固有的样本数据匮乏以及类不平衡问题，基于主动学习理论与核理论，融合少量本地数据和未标记数据的信息，确定关键数据点，使用尽可能少的标记代价来获得较高的分类性能；基于迁移学习理论，研究跨工程缺陷预测中数据分布的差异性，从现有的数据中迁移知识，建立以相似性度量为向导的学习框架。最终形成一套能有效处理软件开发环境的不确定性、能满足不同领域项目的偏好、计算复杂度适中的软件缺陷预测模型与新方法。本项目的研究成果将是对现有软件缺陷预测技术与方法的重要补充和完善，预期可应用于大规模软件开发中，改善软件开发的决策过程、提高软件质量、缩短软件开发周期、降低成本。

目前的软件缺陷预测识别易出故障模块来提高软件质量和测试效率，是建立在源数据和目标数据必须具有相同的特征且必须遵循相同分布的基本假设之上的。本项目针对已有的软件缺陷预测模型很难应用到实际软件开发项目中，特别是在不同机构不同领域的跨工程应用时，无法预测出大多数有缺陷的软件模块。对软件数据集固有的样本数据匮乏以及类不平衡问题，基于稀疏表示学习理论与核理论，融合少量本地数据和未标记数据的信息，确定关键数据点，提出了平衡稀疏表示分类器（BSRC）与核化稀疏表示分类器（KBSRC），使用尽可能少的标记代价来获得较高的分类性能；基于迁移学习理论，研究跨工程缺陷预测中数据分布的差异性，从现有的数据中迁移知识，建立以相似性度量为向导的基于核典型相关分析迁移学习算法（KCCA+）学习框架。最终形成了一套能有效处理软件开发环境的不确定性、能满足不同领域项目的偏好、计算复杂度适中的软件缺陷预测模型与新方法。本项目执行期间，发表相关论文SCI/EI论文9篇，出版专著1本，申请专利2项（已公布实审）。获得福建省科技进步三等奖1项，厦门市科技进步三等一项（已公示）。研究成果将是对现有软件缺陷预测技术与方法的重要补充和完善，预期可应用于大规模软件开发中，改善软件开发的决策过程、提高软件质量、缩短软件开发周期、降低成本。