軟件缺陷
- 基于特征優選的軟件缺陷預測集成學習方法
引言近些年軟件缺陷預測成為了計算機領域研究者的熱門課題[1]。目前提出的軟件缺陷預測常用的機器學習方法有支持向量機(Support Vector Machine)、隨機森林(Random forest)、決策樹(Decision Tree)、DP-Transformer、代價敏感分類(Cost-Sensitive Classification)[2-5]等。對于軟件項目,存在歷史數據庫丟失或者是損壞等一些原因,軟件缺陷預測所需要的數據無法從軟件項目自身的
計算機仿真 2023年7期2023-09-04
- 基于關聯規則的終端軟件缺陷檢測方法研究
，需要對終端軟件缺陷進行檢測。傳統的軟件缺陷檢測方法主要應用了靜態分析技術，通過這種檢測技術可實現對軟件代碼的分析與評估，同時不需要執行運行程序，能夠及時發現終端軟件中存在的缺陷，但隨著軟件應用環境的日漸復雜與軟件數量的激增，傳統的軟件缺陷檢測方法在對終端軟件的缺陷進行檢測時，出現了漏報與誤報情況[1-2]。為此，國內專家學者對此展開相關研究。文獻[3]提出基于N-gram 模型的終端軟件缺陷檢測方法，該方法建立了終端軟件缺陷N-gram 模型，通過該模型
電子設計工程 2023年5期2023-03-10
- 基于深度文本摘要的開源軟件缺陷挖掘研究
統產生伊始，軟件缺陷（Software Defeat/Bug）始終伴隨在各類軟件開發與使用過程中。輕微的軟件缺陷會導致用戶體驗不佳、系統效率降低等問題；而嚴重的軟件缺陷則會對社會經濟安全穩定產生重大影響（如：千年蟲問題、北美電網控制系統問題、蘇聯核預警系統誤報等）。因此針對軟件缺陷的識別和修復逐漸成為軟件工程研究的重要內容。典型的軟件開發過程可以分為兩個嚴密組織的重要階段：軟件開發與軟件維護。如圖1所示，軟件工程的核心是為用戶提供良好穩定的軟件系統，在軟件
山西大學學報（自然科學版） 2022年4期2022-08-15
- 基于軟件測試技術的功能測試方法和應用策略分析
黑盒測試 軟件缺陷1軟件測試中功能測試的基本方法不同類型的軟件產品的測試重點不同，測試方法也不盡相同。對于同一類型的軟件產品而言，不同的公司會開發不同的測試程序。盡管詳細的測試步驟因軟件而異，但基本的功能測試方法是相同的[1] 。1.1分析測試對象需求在制定測試計劃之前，測試人員需要對測試對象進行詳細分析，從而對測試軟件產品有一個清晰、合理的認識，進而明確測試工作的主要任務、范圍和重點。此外，在分析需求的過程中可以獲得一些可靠的測試數據，既為測試方案提供
計算機應用文摘·觸控 2022年5期2022-04-02
- 基于類不平衡的軟件缺陷傾向性預測研究
0）0 引言軟件缺陷是指軟件系統中不被期望、不可接受的偏差［1］。軟件缺陷的產生主要源于對軟件需求做出了錯誤的理解，或者在設計、編碼過程中，研發人員由于經驗或技術原因引入的人為錯誤。軟件缺陷的存在可能會導致巨大的經濟損失，甚至會威脅到人的生命安全。軟件缺陷具有累積放大效應，即在整個軟件生命周期中，能夠越早地發現缺陷，其修復的代價就越??；反之，其修復的代價就越大?，F代軟件工程中，隨著軟件規模日益龐大，軟件復雜度越來越高，軟件開發的響應速度、用戶對軟件質量的要
現代計算機 2022年24期2022-03-07
- 結合隨機屬性與集成的軟件缺陷預測算法
回避的話題。軟件缺陷預測技術是發現軟件缺陷、提高軟件質量的有效方法之一。軟件缺陷預測技術基于歷史軟件開發數據結合機器學習方法實現預測算法[1]，進而實現對軟件開發過程中未發布軟件模塊的缺陷預測，已逐漸成為目前軟件工程領域的研究熱點。在軟件開發過程中，由于各種因素導致軟件質量難以保證。質量不達標的軟件在運行中可能造成難以預估的災難，并且根除軟件質量問題的時間越晚，缺陷修復的代價也越大。因此，基于機器學習的軟件缺陷預測以準確、便捷以及迅速等優點持續被關注。軟件
現代電子技術 2021年22期2021-11-19
- 基于大數據技術的靜態軟件缺陷檢測系統設計
]。由于靜態軟件缺陷在檢測的過程中需要大量的數據網絡信息，具有深度解析系統內部功能的需求，在操作的同時應結合軟件信息分析功能進行系統設計研究[2]。目前國內外研究集中于對軟件數據信息的掌控操作，傳統基于代碼源數據的靜態軟件缺陷檢測系統設計不斷精準化處理系統與數據間存在的關系，并按照關系思路進一步查詢內部空間系統的存儲容量，以便對軟件缺陷數據的收集與定期處理[3]。傳統基于深度學習的靜態軟件缺陷檢測系統設計逐漸調整處理步驟，完善信息狀況，能夠在第一時間實現對
現代電子技術 2021年17期2021-09-24
- 基于軟件測試的缺陷分析及度量方法
作依據。1 軟件缺陷軟件缺陷，是指計算機軟件或程序中存在的某種破壞正常運行能力的錯誤、隱藏的功能缺陷等[2]。缺陷的存在會導致軟件產品在某種程度上不能滿足使用者的需要。在IEEE729-1983中對缺陷有一個標準的定義：從產品內部看，缺陷是軟件產品開發或維護過程中存在的錯誤、毛病等各種問題；從產品外部看，缺陷是系統所需要實現的某種功能的失效或違背。一個完整的軟件缺陷，主要的組成元素有：缺陷的編號、標題、基本信息、測試軟硬件環境、測試軟件版本、缺陷類型、嚴重
電子技術與軟件工程 2021年15期2021-09-22
- 基于混合采樣和集成學習的軟件缺陷預測
30096）軟件缺陷檢測是軟件工程的重要課題[1]。一些常見的機器學習方法，如支持向量機、決策樹、KNN、邏輯回歸、樸素貝葉斯等都能夠用來建立分類模型[2]。但是，對于軟件缺陷檢測問題，經典的學習方法效果并不理想。由于傳統分類器的訓練過程普遍遵循誤差最小化原則，當訓練數據不平衡時，分類面向多數類偏倚，因此最終的模型對少數類的分類性能較差，在嚴重情況下，模型甚至完全無效。類別不平衡指的是訓練數據中不同類別樣本的數量差異很大，其中某些類別的樣本數目要遠小于其他
網絡安全技術與應用 2021年5期2021-07-26
- 通信軟件缺陷預防和改進體系設計
件生產企業在軟件缺陷預防方面付出更大的努力，這樣才能在避免軟件缺陷重復出現的同時提升企業的經濟效益。1 通信軟件缺陷預防的必要性通信軟件缺陷預防指的是在通信軟件未出現缺陷時，開發人員便提前采取積極有效的一系列預防措施，將缺陷扼殺在萌芽狀態的一種先進型技術。美國質量保證研究所曾對軟件修復成本做過一項統計，結果表明軟件上線后期發現缺陷的修復成本要遠遠高于軟件開發初期，且修復成本會隨著軟件上線時間的推進而大幅增加。這是由于通信軟件發生缺陷后，開發人員需要修改最初
科學與信息化 2021年13期2021-05-26
- 軟件缺陷預測模型超參數的穩健優化方法
要任務之一，軟件缺陷預測的主要目的是利用機器學習方法預測出當前開發的軟件中的缺陷模塊，為后續的高效測試提供重要基礎[1-6]。軟件缺陷預測任務主要分為兩個子任務：（1）跨版本預測子任務：指使用軟件項目的歷史版本數據構建預測模型，來預測當前版本中的缺陷模塊；（2）跨項目預測子任務：指使用其他軟件項目的源代碼構建模型來預測當前項目的缺陷模塊。當軟件項目的歷史版本數據充足時，子任務（1）所構建的軟件缺陷預測模型常被使用。不過，很多軟件項目在開發初期，不具備充足的
山西大學學報（自然科學版） 2021年2期2021-05-19
- 基于知識圖譜和自動機器學習的軟件缺陷預測
來越高.航天軟件缺陷的主要特點是強實時中斷問題多、故障處理策略和狀態轉換時序約束強、太空輻射可能改變軟件運行狀態等.軟件測試作為保證軟件產品質量，提升軟件可信性的重要措施，目前在第三方確認測試中，主要通過代碼審查和動態測試發現軟件函數模塊中的缺陷，然而這種靜態和動態的測試方法對人的能力、經驗依賴較大，需要投入大量代碼審查時間和動態測試覆蓋率分析，很難滿足航天軟件研制和測評進度緊、質量高的要求.近年來，軟件缺陷預測[1-3]成為智能軟件工程領域研究的熱點，軟
空間控制技術與應用 2021年2期2021-04-22
- 一種軟件缺陷不平衡數據分類新方法
6580)對軟件缺陷預測的研究表明，80%的缺陷集中發生在20%的模塊中，這說明軟件系統中的數據分布是不平衡的，有缺陷模塊的數量遠遠少于無缺陷模塊的數量。雖然有缺陷類樣本的數量很少，但正確識別有缺陷樣本是軟件缺陷預測的關鍵，錯誤預測有缺陷樣本可能會導致遺漏關鍵錯誤從而增加軟件開發成本。因此，解決不平衡數據問題對于提高軟件質量、減少預測誤差和成功部署軟件具有重要意義。不平衡數據處理[1]是機器學習研究中的熱點之一，更是軟件缺陷預測方向不可或缺的部分，已有不少
山東科技大學學報(自然科學版) 2021年2期2021-04-10
- 面向物聯網軟件系統的軟件缺陷分配算法研究
會發現大量的軟件缺陷。管理人員很難將軟件缺陷分配給適當的開發人員。以前有關缺陷分類的大多數工作的目標是分析缺陷報告，以幫助開發人員或程序員有效地修復缺陷。針對上述挑戰，提出了有效的缺陷報告特征學習模型和有效的缺陷分配機制。1 軟件缺陷分配算法設計假設數據集中有n個缺陷報告(用S+{s1,…,sn}表示)，m個特征/變量(用M+{f1,…,fm}表示)和k個工人(用C={c1,…,ck})。每個樣本si可以用向量si={xi1,…,xim}表示，其中xij表
信陽農林學院學報 2021年1期2021-04-01
- 穩健邊界強化GMM-SMOTE軟件缺陷檢測方法
地進行自動化軟件缺陷檢測變得日漸重要.研究表明，軟件是否有缺陷與某些軟件度量指標有很強的相關性，例如McCabe度量和Halstead度量等[2].因此，通過提取這些度量指標來構造特征向量，并訓練機器學習模型以識別有缺陷的軟件已成為行之有效的檢測方法，與傳統的匹配檢測相比，檢測速度更快，精度更高[3].但面臨著數據不平衡這一挑戰，即被人工準確標記了缺陷的正樣本稀少，與之相應的則是大量被認定為無缺陷的負樣本，由此導致分類器易忽略正類實例特征，使分類結果更傾向
北京理工大學學報 2021年3期2021-03-31
- 一種改進的半監督集成軟件缺陷預測方法
)1 引 言軟件缺陷是編程人員在編碼過程中因開發過程管理不當,難以正確理解軟件需求、或者開發經驗欠缺等原因產生的[1].軟件缺陷對軟件的生產帶來負面的影響,會浪費大量的財力人力,因此,項目主管會在軟件部署前通過軟件測試等手段盡可能地找出軟件中存在的缺陷,但是對所有的軟件模塊進行測試將是一項巨大的工程,可能會超出軟件開發預算或延誤軟件發布時間.軟件缺陷預測技術可以根據軟件的歷史數據信息,通過機器學習等方法來預測軟件模塊中是否含有缺陷,從而對可能含有缺陷的模塊
小型微型計算機系統 2021年10期2021-02-28
- 基于測試的軟件缺陷數據分析方法
00018）軟件缺陷分析方法一般情況下是建立在軟件缺陷分類基礎上，軟件缺陷是存在于程序或者計算機系統中，是一種能夠對系統正常運行產生破壞的隱藏問題，在系統中以瑕疵、錯誤的方式存在，通常情況下，在軟件測試過程中就會被發現。通過對這些缺陷進行分析處理，有利于軟件測試工作人員制定科學的軟件測試方案，為今后軟件缺陷數據分析工作提供技術支持，可以對軟件進行預判，提高軟件預防工作，進而保證軟件產品質量。1 軟件缺陷的分類1.1 基本分類現階段對軟件缺陷進行分類一般是對
卷宗 2020年34期2021-01-29
- 基于PYTHON實現的軟件缺陷檢測程序研究
現的宇航飛行軟件缺陷檢測程序，通過對源代碼進行預處理和篩選，生成測試驅動文件，再對測試驅動文件傳輸到虛擬機系統，依托開源的KLEE生成并運行測試用例，將測試用例運行結果匯總到前端顯示，從而實現并驗證缺陷檢測程序。關鍵詞 軟件缺陷;字典結構;求解器引言宇航飛行軟件運行環境相對于地面環境存在單粒子效應、高低溫、原子氧、空間碎片和電磁輻射等特殊情況[1]，同時由于宇航飛行軟件的功能日趨復雜，可能存在不易檢測的固有設計缺陷，這些缺陷往往會在后期的系統聯試中才暴露，
科學與信息化 2020年25期2020-09-29
- 軟件試驗缺陷預測模型研究
更多的是由于軟件缺陷引起的，軟件缺陷率成為影響軟件可靠性的關鍵。按現有裝備管理流程裝備軟件經過自測試、第三方軟件測試、裝備試驗等過程，可以認為軟件缺陷率降為較低的水平，但實際上交付部隊的裝備軟件缺陷率可能仍處在較高的水平且這一狀況無法準確計量。如何有效分析預測裝備軟件缺陷率已成為軟件試驗可靠性評價的重要研究內容。Rayleigh 模型是一種常用軟件缺陷分析預測方法。Rayleigh分析模型通過生命周期各階段缺陷發現情況得到缺陷Rayleigh曲線，用于評估
科學技術創新 2020年28期2020-09-23
- 基于源文件可疑度的靜態軟件缺陷檢測方法研究
需要分析靜態軟件缺陷特征，實現靜態軟件缺陷檢測，提高靜態軟件的輸出可靠性，相關的靜態軟件缺陷檢測方法的研究受到人們的極大關注[1]。對靜態軟件的源文件可疑度缺陷檢測是建立在對軟件的特征分析基礎上[2]，因此本文提出基于源文件可疑度的靜態軟件缺陷檢測方法。采用模糊信息特征聚類分析方法進行靜態軟件缺陷的特征分析，構建軟件缺陷融合調度模型，得到靜態軟件源文件可疑度輸出特征量，采用源文件可疑度特征分析算法進行靜態軟件缺陷檢測的自適應尋優。最后進行仿真測試分析，得出
黑龍江工業學院學報(綜合版) 2020年6期2020-08-11
- 跨項目軟件缺陷預測方法研究綜述
是系統中存在軟件缺陷。通過軟件缺陷預測技術對軟件系統中可能存在缺陷的模塊及其分布進行預測，可以有效提高軟件測試的效率，對提高軟件系統質量和保證軟件可靠性具有重要意義[2]。軟件缺陷預測是指基于軟件開發過程中積累的歷史數據構建預測模型，對目標軟件模塊是否存在缺陷、缺陷嚴重程度或缺陷數量的分布等情況進行預測。通常情況下基于目標項目的歷史數據，采用傳統機器學習技術構建的模型可以獲得理想的預測效果[3]。但在軟件缺陷預測實踐應用中，要進行預測的軟件往往是新開發的項
計算機技術與發展 2020年3期2020-04-09
- 一種基于關聯規則的網絡軟件缺陷預測方法
但是其弊端即軟件缺陷也逐漸暴露出來了，軟件缺陷對人們生活的方方面面都產生了極為深刻的影響。為了降低軟件缺陷對軟件使用效果產生的影響，為廣大用戶提供更加便捷優質的服務，文章嘗試對一種基于關聯規則的網絡軟件缺陷預測方法進行分析和論述。該研究是建立在前人理論與實踐分析基礎之上提出來的。據相關學者研究表明，當前對軟件缺陷進行研究的主要是基于統計分析學方法、神經網絡的軟件缺陷預測模型、機器學習算法等。在具體的測試過程中不同的研究方法所產生的作用效果有著較大的差異。而
電子技術與軟件工程 2020年24期2020-03-16
- 航天器軟件典型缺陷模式的自動檢測技術
，隨著航天器軟件缺陷數據的逐步積累，如何利用這些缺陷數據提高軟件可靠性安全性是軟件從業人員必須思考的問題.典型多發問題的規避和檢測是實現軟件質量提升的重要途徑.統計表明，絕大多數航天器軟件問題都是已知類型的缺陷模式[1-2]，符合“二八原則”規律，即約80%的問題分布于20%的缺陷類型中，如時序沖突問題、數據競爭問題、可靠性設計問題、數據取值范圍相關問題(如數組越界、除零、數據溢出、變量未初始化等)等.本文通過系統分析和總結航天器軟件典型多發問題，開展軟件
空間控制技術與應用 2019年5期2019-11-14
- 基于執行軌跡的軟件缺陷自定位系統設計與研究
采用面向開源軟件缺陷自定位系統的設計，需要程序員對目前軟件運行狀態進行分析，直到找到缺陷位置[2]。該系統不僅要求程序員熟練掌握軟件內部結構，而且定位精準度較低，無法滿足人們要求。一個良好的設計方案需要通過測試分析階段所產生的信息來確定軟件中缺陷的位置，因此，提出基于執行軌跡的軟件缺陷自定位系統設計。從缺陷不同角度發現軟件存在的不同缺陷，由于程序員對程序進行了一定修改，并引入一定缺陷，導致程序版本間的差異分解為修改集合形式，通過對集合中的原程序進行修改，可
現代電子技術 2019年21期2019-11-13
- 淺談軟件永遠不完美的原因
;軟件測試;軟件缺陷;bug引言隨著科技的發展，為了提高用戶體驗，無論是手機還是電腦，系統經常提醒我們需要進行軟件更新，為什么軟件需要更新呢？軟件為何不能一次性做到最好，達到一勞永逸的效果呢？軟件測試人員都做了什么？完美是指完備美好，沒有缺陷。不完美即不是完備美好，有缺陷，對于軟件而言，就是bug。永遠，這是個時間限制期，將不完美在時間線上無限延長。也就是說，任何情況下，沒有哪一個軟件是完美的。一、軟件測試的流程軟件測試的目的是發現軟件的缺陷，驗證軟件是否
科學與財富 2019年25期2019-10-21
- 基于Boruta-SVM的軟件缺陷預測
范圍的擴大，軟件缺陷是軟件開發中不可避免的事情。軟件缺陷會給軟件開發團隊帶來維護的困難，給企業帶來巨大損失。因此軟件缺陷預測成為軟件開發和軟件維護中不可缺少的一部分。利用數據挖掘技術分析軟件數據、預測軟件缺陷是一種切實可行的解決方案，可以提高軟件質量，降低測試成本。因此隨著數據挖掘技術的革新，軟件缺陷預測的精度將逐步提高。這不僅可以減少測試成本，還能令軟件開發團隊迅速找到缺陷點，從而提高工作效率。軟件組件每次執行故障的風險都是可用的，因此可以從不同的角度分
山西大同大學學報(自然科學版) 2019年4期2019-09-12
- 應用于軟件缺陷預測模型的量子粒子群優化BP算法
摘 ?要： 軟件缺陷檢測的主要目的是對程序模塊中是否存在缺陷進行自動檢測，以此有效促進軟件的測試進程，使軟件系統質量得到提高。針對傳統軟件缺陷預測模型的問題，提出在軟件缺陷預測模型中使用粒子群優化BP算法。此模型使用粒子群優化算法對BP神經網絡權值及閾值進行優化，通過交叉驗證方法實現實驗，并且同傳統機器學習方法及BP神經網絡等方法進行對比，實驗結果表明提出的方法預測精準性比較高。關鍵詞： 軟件缺陷; 預測模型; 量子粒子群; BP算法; 交叉驗證; 預測精
現代電子技術 2019年15期2019-08-12
- 應用于軟件缺陷預測模型的量子粒子群優化BP算法
的環節。通過軟件缺陷分析，能夠有效地確保軟件質量，加強軟件的安全性。目前，通常將軟件失效分為3個方面：軟件錯誤(software error)、軟件故障(software fault)、軟件缺陷(software defect)。其中，軟件缺陷是指系統或系統部件中那些導致系統或部件不能實現其功能的缺陷。軟件缺陷屬性包括缺陷標識、缺陷類型、缺陷嚴重程度、缺陷產生可能性、缺陷優先級、缺陷狀態、缺陷起源、缺陷來源、缺陷原因。在軟件開發的過程中，軟件缺陷的產生是不
重慶理工大學學報(自然科學) 2019年6期2019-07-17
- 基于數據過采樣和集成學習的軟件缺陷數目預測方法
件的可靠性。軟件缺陷是導致系統失效和崩潰的潛在根源[1]，如果能對軟件缺陷進行預測，就能在造成危害前對軟件缺陷進行排查和修復，從而減少軟件崩潰所帶來的經濟損失。伴隨著第一個軟件的誕生并延續至今，軟件缺陷預測技術已得到了長足的發展[2]。已有很多研究提出了很多軟件缺陷預測方法。如文獻[3]探索了傳統的機器學習模型和半監督學習在軟件缺陷預測中的應用，并在PROMISE數據集上進行測試，達到了工程的需求。文獻[4]比較了包括決策樹、貝葉斯、向量機、人工神經網絡等
計算機應用 2018年9期2018-10-16
- 開源軟件缺陷預測技術與遷移學習
學習技術預測軟件缺陷已成為提高軟件質量的重要途徑，但僅局限于同項目歷史訓練數據完整的情況下。面對一個全新的或歷史數據稀缺的項目，遷移學習方法可用源項目的相關知識來為目標項目構建預測模型，有效利用其他項目或領域已有的訓練數據來構建缺陷預測模型，并遷移和應用到另一個項目中，其技術挑戰是，由于不同項目之間的應用領域、開發流程、編程語言、開發人員經驗等并不相同，如何在數據集間存在較大的分布差異性的條件下提升缺陷預測方案的實際性能。本文重點考察了面向開源軟件的缺陷預
軟件和集成電路 2018年5期2018-10-08
- 基于堆疊降噪稀疏自動編碼器的軟件缺陷預測
)0 引 言軟件缺陷預測[1]是提高和保證軟件產品質量的關鍵技術之一。盡管很多學者已經對此問題進行了大量的探索，但其依然是一項艱巨而又有挑戰性的工作[2]。劉芳等人[3]首先用主成分分析法對軟件缺陷數據進行降維，消除冗余信息，然后用處理后的缺陷數據進行訓練，構建軟件缺陷預測模型；孟倩等人[4]使用粗糙集方法對軟件缺陷數據進行屬性約減，去掉冗余和無關的屬性，再用支持向量機對軟件缺陷進行分類預測；王海林等人[5]用基于關聯規則的特征選擇算法提取軟件缺陷數據的特
計算機與現代化 2018年5期2018-06-04
- 基于優化BP神經網絡的高準確度軟件缺陷預測應用研究*
靠性.因此，軟件缺陷預測對于軟件可靠性具有重要的研究價值[3].現階段，軟件缺陷預測模型大致可以分為5種類型[4-5]：(1) 貝葉斯模型；(2) 線性判別模型；(3) 分類決策模型；(4) 支持向量機模型；(5) 馬爾可夫模型.眾多研究人員已經對以上模型開展了各種分析和研究，但是以上模型在軟件缺陷預測中的應用效果達不到人們的預期，仍舊存在不少問題.比如，對于現在研究得較多的馬爾可夫模型方法，由于過于依賴初期的假設問題，導致其實際應用范圍十分有限.隨著人工
湘潭大學自然科學學報 2018年2期2018-05-28
- 一種基于關聯規則的網絡軟件缺陷預測方法
網絡化軟件，軟件缺陷影響著人們生活的方方面面。良好的軟件缺陷控制和預測機制可以幫助企業開發出高質量的軟件產品，防止軟件因系統缺陷而導致的嚴重后果，降低軟件維護成本，并提高客戶滿意度。因此，軟件開發過程和軟件質量越來越受到重視，如何預測網絡化軟件系統缺陷成為當前研究的熱點領域。目前，國內外軟件缺陷研究領域相關學者進行了深入的研究并取得了一系列的成果。主流的方法有基于統計分析學方法、基于神經網絡的軟件缺陷預測模型等。傅藝綺等人[1]提出了一種基于組合機器學習算
網絡安全與數據管理 2018年4期2018-05-23
- 回歸算法對軟件缺陷個數預測模型性能的影響
2)0 引言軟件缺陷預測指的是通過從歷史軟件數據中學習出缺陷預測的模型，然后對新的軟件模塊進行預測，預測其是否有缺陷。如果預測該軟件模塊有缺陷則對該軟件模塊分配更多的軟件測試人員，這樣可以合理地分配測試資源。研究者已經提出了很多軟件缺陷預測的方法[1-3]：陳翔等[4]總結了國內外在該研究領域取得的主要成果，但這些研究者提出的軟件缺陷預測方法都是基于分類模型，即預測軟件模塊是否有缺陷；文獻[5-6]指出，如果采用回歸方法預測一個軟件模塊存在多少個缺陷時，可
計算機應用 2018年3期2018-05-21
- 基于不相似性的軟件缺陷預測算法
4)0 引言軟件缺陷數據集中有缺陷的樣本數量往往比無缺陷的樣本數量少得多，因此，軟件缺陷預測可被視作一個類不均衡學習問題。在類不均衡學習學習過程中，不同類別的誤分代價各不相等，少數類(有缺陷)的誤分代價遠高于多數類(無缺陷)的誤分代價，為盡可能地降低誤分代價，預測算法更重視那些有缺陷的少數類樣本的預測結果。然而，傳統的分類算法通常建立在類分布均衡且誤分代價相等的前提下，以最小化分類誤差為最終目標，因此直接采用決策樹分類[1-3]、神經網絡[3]、貝葉斯分類
計算機測量與控制 2018年3期2018-03-27
- 基于缺陷的測試用例優先級排序方法
優先級排序 軟件缺陷回歸測試作為測試流程的重要環節，用于驗證缺陷是否解決以及缺陷的解決是否引起其他潛在缺陷的出現?；貧w測試階段如果毫無策略地執行已有的測試用例集，勢必會造成大量的時間和人力資源的浪費。為了降低回歸測試的成本，國內外科研人員將測試用例優先級排序技術引入到回歸測試階段，根據不同條件充分考慮測試用例的重要程度，賦予每個測試用例一個優先級，根據優先級從高到底的順序依次執行測試用例，從而提高測試用例的使用效率。1997年，Wong等最先提出了在回歸測
電子技術與軟件工程 2017年23期2018-01-17
- 基于AOP的軟件缺陷監測框架的設計與實現
基于AOP的軟件缺陷監測框架的設計與實現邊偉成（江蘇省信息中心 江蘇 南京 210013）隨著軟件規模的不斷擴大，軟件質量越發成為軟件開發企業關注的重點。關于如何減少軟件缺陷，提高軟件可靠性是所有軟件開發者追求的永恒主題。本文基于AOP技術設計和提出了一種新的軟件缺陷檢測框架，其具體由方法監控層、數據過濾層和邏輯表現層組成，自底向上傳遞數據。該框架可實現軟件方法的實時監控、自定義監控規則、對于缺陷按照嚴重等級進行分類顯示等功能。最后通過與實際項目相整合，設
電子設計工程 2017年16期2018-01-08
- 基于機器學習的軟件缺陷預測技術研究
于機器學習的軟件缺陷預測技術研究韋良芬(安徽三聯學院 計算機工程學院， 合肥 230601)基于機器學習的軟件缺陷預測技術是提高軟件可靠性的有效方法。本文分析了機器學習用于軟件缺陷預測的優勢，總結了基于機器學習的軟件缺陷預測的關鍵技術、預測步驟和當前研究存在的問題，并就當前的研究內容進行了探討。機器學習；軟件；缺陷預測0 引言隨著各種軟件系統規模不斷擴大，系統復雜度不斷提高，軟件的可靠性面臨著嚴峻的考驗[1]。各個行業對軟件的依賴性越來越大，軟件故障導致的
長春大學學報 2017年10期2017-12-05
- 基于機器學習的軟件缺陷識別的必要性
徐毅蒙摘要：軟件缺陷是影響軟件質量的關鍵因素，及早發現并排除軟件缺陷是軟件生命周期中重要的環節。隨著代碼數量級的與日俱增，早期的人工排查顯然降低了審查效率和準確性，同時增加了審查成本。所以基于機器學習的軟件代碼缺陷識別技術是一種提升軟件可靠性，適應當今社會發展速度的必然選擇。關鍵詞：軟件缺陷；軟件可靠性；機器學習中圖分類號：TP181 文獻標識碼：A 文章編號：1009-3044（2017）25-0185-02Abstract： Software defe
電腦知識與技術 2017年25期2017-11-20
- 繼電保護裝置軟件缺陷跟蹤管理方法
電保護裝置；軟件缺陷；跟蹤管理多年來，電網系統由于保護裝置軟件的管理不善，給電網的安全帶來了嚴重危脅，反映出繼電保護設備生產廠商、運行維護部門和繼電保護管理部門存在許多問題，需要認真研究，加以解決。如何實現繼電保護裝置軟件缺陷跟蹤管理，提供一種軟件有效管理的方法，實現軟件質量的提升，是電力系統繼電保護裝置軟件管理的迫切問題。1軟件管理方法的提出為解決目前存在的問題，根據現場事故現狀，分析事故原因。根據事故原因，進行缺陷分析，對裝置類型，軟件版本進行定位，形
科技信息·中旬刊 2017年7期2017-10-21
- 軟件開發項目的質量管理策略探討
；質量管理；軟件缺陷；管理策略中圖分類號 TP2 文獻標識碼 A 文章編號 2095-6363（2017）05-0020-02近年來，我國軟件產業發展十分迅速，各大軟件開發企業開始崛起，軟件開發項目也越來越多。但是由于部分軟件開發公司缺乏一定的質量管理經驗，也沒有形成規范的質量管理體系，所以在軟件開發過程中出現了軟件缺陷的問題。對此，必須要采取合適的軟件開發質量管理措施，解決軟件缺陷問題，保證軟件開發質量。1 軟件缺陷概述及其產生的原因分析軟件缺陷產生的原
科學家 2017年5期2017-06-09
- 一種新的基于缺陷的軟件測試描述語言-DBSTDL
基礎上，面向軟件缺陷，采用分類法和因素分解法，圍繞缺陷摘要與被測軟件信息雙重主線，重組軟件測試信息，設計了新的測試描述語言(DBSTDL)；該語言共包括6類詞，3大類100多條基本語句， 3組句群， 2種主要的語言組合方式，涵蓋了測試描述語言的框架和基本內容；應用DBSTDL語言實現了軟件典型缺陷與測試樣例庫，驗證了利用DBSTDL語言建庫的思想，說明該語言可用于建立統一的軟件測試描述標準，提供了規范描述手段。測試描述語言； 測試信息； 軟件缺陷； 結構化
計算機測量與控制 2017年4期2017-05-10
- 開源程序的軟件缺陷分布特征的量化分析研究
[4,5]。軟件缺陷是影響軟件安全性和可靠性的重要因素。研究軟件缺陷的基本性質，發掘軟件缺陷的內在規律，對于提高軟件的安全性和可靠性，對于保障軟件系統的安全可靠運行具有重要意義。目前為止，人們對軟件缺陷的性質以及內在規律的研究仍具有一定局限性。主要原因是，關于軟件缺陷的一手數據資料很不全面。傳統的軟件開發局限在特定的機構中，軟件缺陷的記錄、跟蹤和排除作為機構的技術資料一般并不對外公開。對于不成熟的開發機構，開發過程中軟件缺陷的記錄和跟蹤資料并不完整。由于軟
電子元器件與信息技術 2017年4期2017-03-08
- 基于鄰域三支決策粗糙集模型的軟件缺陷預測方法*
粗糙集模型的軟件缺陷預測方法*李偉湋1郭鴻昌2(1.南京航空航天大學航天學院，南京,210016；2.東部戰區空軍裝備部，南京,210081)基于已有軟件缺陷數據，建立分類模型對待測軟件模塊進行預測，能夠提高測試效率和降低測試成本?，F有基于機器學習方法對軟件缺陷預測的研究大部分基于二支決策方式，存在誤分率較高等問題。本文針對軟件缺陷數據具有代價敏感特性且軟件度量取值為連續值等特性，提出了一種基于鄰域三支決策粗糙集模型的軟件缺陷預測方法，該方法對易分錯的待測
數據采集與處理 2017年1期2017-02-25
- 液壓支架電液控制系統軟件缺陷管理
電液控制系統軟件缺陷管理牛劍峰1， 白永勝2， 郭丁和3(1.北京天地瑪珂電液控制系統有限公司， 北京 100013; 2.陽煤集團華越機械有限公司,山西 陽泉 045000; 3.西安交通大學 數學與統計學院， 陜西 西安 710049)針對液壓支架電液控制系統軟件缺陷問題，從軟件測試方法入手，分析了液壓支架電液控制系統軟件結構特點，構建了軟件缺陷管理框架，確定了軟件測試方案，對軟件缺陷進行了分類，設計了軟件缺陷數據庫的數據結構及軟件缺陷管理流程，進而對
工礦自動化 2016年11期2016-11-21
- 與內存訪問相關的軟件缺陷典型案例剖析
夠導致嚴重的軟件缺陷。詳細介紹了與內存訪問相關的軟件缺陷典型案例，深入剖析了這些缺陷產生的原因、帶來的影響，并針對性地給出了解決方法和預防措施。對提升軟件可靠性具有實際意義。關鍵詞：軟件可靠性；軟件缺陷；案例剖析中圖分類號：TP311.55 文獻標識碼：A 文章編號：1009-3044（2016）21-0076-05Abstract： Memory access exceptions can cause serious software defects.
電腦知識與技術 2016年21期2016-10-18
- 基于分類的軟件缺陷嚴重性預測
?基于分類的軟件缺陷嚴重性預測王婧宇1張欣2鄒衛琴3(1.南京市產品質量監督檢驗院南京210028)(2.大連理工大學軟件學院大連116621)(3.江西理工大學南昌330000)在軟件開發過程中,軟件缺陷的修復是保證軟件質量的重要環節。然而隨著軟件規模的快速增長、缺陷數目的急劇增加、人力物力資源的有限,報告的軟件缺陷不能全部被修復。為了保證軟件的質量,人們往往對軟件缺陷進行優先級排序,將有限的資源集中在優先級高的軟件缺陷修復上。軟件缺陷嚴重性就是一種重要
計算機與數字工程 2016年8期2016-09-10
- 基于改進BP算法的軟件缺陷預測模型研究
進BP算法的軟件缺陷預測模型研究韓智慧（長春科技學院 信息工程學院，吉林 長春130600）針對傳統軟件測試成本高及測試過程依賴于軟件用例的設置等問題，設計了基于BP，JCUDA_BP和JCUDASA_BP的軟件缺陷預測模型，并通過調研、實驗的方式對基于改進BP算法的軟件缺陷預測算法進行了相關的研究分析，探討了JCUDA技術對于BP算法的影響，證明了模擬退火算法與JCUDA技術相結合的方式具有改進軟件缺陷預測模型的可能性。缺陷預測模型；模擬退火算法；JCU
現代電子技術 2016年11期2016-09-03
- 軟件缺陷的生成因素分析
30033)軟件缺陷的生成因素分析哈清華，姜瑞凱，劉 邏(中國科學院 長春光學精密機械與物理研究所，吉林 長春 130033)軟件缺陷是軟件質量評價的重要依據，需要全面而深入的研究與分析，而同時導致軟件缺陷形成的因素卻多種多樣，難以確定軟件缺陷的生成原因。因此，為了分析軟件缺陷的生成原因以及發現缺陷的方法，文中研究了基于多元線性回歸的線性擬合方法，從被測對象、開發與測試人員、測試強度等方面研究對軟件缺陷的影響。首先對軟件缺陷的生成因素進行分析，并選定5個因
計算機技術與發展 2016年1期2016-02-23
- 基于社會網絡的軟件缺陷預防的研究
于社會網絡的軟件缺陷預防的研究侯中偉，任洪敏 （上海海事大學信息工程學院，上海201306）0 引言在軟件開發的過程中，難免會遇到各種各樣的缺陷問題，而這些缺陷的產生，在不同程度上給軟件企業帶來了極大的困擾。為了使軟件企業部門能夠生產出高質量的產品，在缺陷方面，各領域也做了大量的研究，包括各種軟件缺陷管理工具的開發以及應用，有效地管理缺陷，這在很大程度上幫助開發者或許測試者盡量避免缺陷問題的產生。然而，軟件缺陷很難一次性解決，更不可能全部解決，需要開發者或
現代計算機 2015年21期2015-09-26
- 基于元學習的軟件缺陷預測推薦方法
基于元學習的軟件缺陷預測推薦方法程 俊1，張雪瑩1，李瑞賢2（1.中國電子科學研究院，北京 100041；2.北京自動化控制設備研究所，北京 100074）基于機器學習的分類算法已被廣泛地應用于預測軟件缺陷。然而，軟件缺陷數據的多樣化，導致單一分類算法難以在所有的軟件缺陷預測過程中均獲得最優的分類性能，即不同的數據集上最適用的分類算法也不盡相同。本文提出了一種基于元學習和實例學習的軟件缺陷預測算法推薦方法。該方法僅依據待預測軟件缺陷數據的特征，為其推薦最適
中國電子科學研究院學報 2015年6期2015-06-24
- 基于組織協同進化的軟件缺陷預測方法*
織協同進化的軟件缺陷預測方法*常瑞花（武警工程大學科研部，西安 710086）針對傳統有標識軟件度量元數據存在軟件缺陷預測精度低的問題，首先對比選擇合適的離散化方法，然后將組織協同進化分類算法引入并應用到航天軟件缺陷預測領域，給出了一種基于組織協同進化的軟件缺陷預測方法。該方法根據預測目標將離散后的軟件度量元數據劃分為不同種群，在各種群內部形成進化個體（組織）。組織在增減算子、交換算子、合并算子和組織選擇機制的作用下不斷進化，并基于屬性重要度協同進化的方式
火力與指揮控制 2015年7期2015-06-23
- 基于改進GM(1,1)模型預測軟件缺陷率
1)模型預測軟件缺陷率王曙燕，黃煒青，孫家澤(西安郵電大學 計算機學院，陜西 西安710121)給出一種基于隨機抽樣一致性算法(RANSAC)的GM(1,1)改進模型。運用RANSAC篩除異常值，選擇估計誤差最小的點作為定解條件，結合插值思想對軟件缺陷率進行預測。分別對有無奇異值的數據預測，結果表明改進后的模型不僅能夠改善異常值對預測的影響，而且比GM(1,1)模型取得較高的預測精度?；疑Ｐ?；隨機抽樣一致性算法；定解條件；異常值；軟件缺陷率軟件缺陷是軟件
西安郵電大學學報 2015年6期2015-02-27
- 基于度量元的靜態軟件缺陷預測技術*
度量元的靜態軟件缺陷預測技術*常瑞花，賈鵬（武警工程大學科研部，西安710086）軟件缺陷預測技術是當前軟件工程領域的一個熱點研究問題?；仡櫤途C述了基于度量元的靜態軟件缺陷預測技術研究的起源與國內外最新進展動態，并對常用缺陷預測技術的評價指標進行對比和分析，指出其優缺點和適用范圍。最后對靜態軟件缺陷預測技術的可能發展方向進行預測。度量元，軟件缺陷，預測，靜態0 引言軟件密集型裝備中軟件所占比例的日益增加，使得系統的可靠性越來越依賴于其采用軟件的可靠性。研究
火力與指揮控制 2015年2期2015-01-08
- 軟件缺陷管理方案分析
10046）軟件缺陷管理方案分析史海峰（南京信息職業技術學院，江蘇 南京 210046）基于作者軟件開發和軟件測試的工作經歷，給出了一套軟件缺陷管理方案，該方案對軟件缺陷的管理內容和生命周期進行重點分析，定義了軟件缺陷在其生命周期中的各個狀態，以及狀態之間的轉換過程，然后在軟件缺陷權利管理中給出了權限和角色分配方法，最后對方案提出了一些不足和改進。軟件缺陷管理；測試用例；測試結果；生命周期；權限管理1．引言軟件缺陷是計算機軟件或程序中存在的某種破壞正常運行
電腦與電信 2014年10期2014-03-13
- 航天嵌入式軟件缺陷的分類方法
)航天嵌入式軟件缺陷的分類方法董曉剛1，楊孟飛2(1.北京控制工程研究所，北京100190;2.中國空間技術研究院，北京100094)軟件缺陷分類是軟件缺陷管理的基礎.介紹了軟件缺陷的概念，對幾種軟件缺陷分類方法進行了分析和比較.結合航天嵌入式軟件研制流程和缺陷類型分析，提出了一種航天器嵌入式軟件缺陷的分類方法，對于缺陷類型和實現與編碼錯誤子類型給出了詳細的分類方法.軟件缺陷;航天嵌入式軟件;缺陷分類軟件缺陷(software defect)的一般定義指軟
空間控制技術與應用 2012年5期2012-09-05
- ABDOM的參數規范化與離散化改進
00191)軟件缺陷發現時序過程的疊加雙阻尼振蕩模型(ABDOM，Accumulative Bi-Damped Oscillation Model)［1］為軟件測試過程的度量和評估提供了一種新的手段.該模型是一個可初步描述軟件缺陷發現時序過程的周期性、隨機振蕩性和阻尼衰減性等基本特征及關鍵影響因素的數學模型.但是，為了能更好描述復雜的軟件缺陷發現場景，當前的ABDOM模型仍然存在需要改進的地方:1)在現有的ABDOM中，軟件缺陷發現阻尼a和軟件缺陷發現周期
北京航空航天大學學報 2012年10期2012-08-07
- 基于代價敏感神經網絡算法的軟件缺陷預測
經網絡算法的軟件缺陷預測繆林松(南京航空航天大學計算機科學與技術學院，江南南京 210016)軟件缺陷預測作為軟件工程領域的重要研究內容已有近30年。近年來，隨著機器學習技術的發展，傳統機器學習技術基于靜態代碼屬性的軟件缺陷預測領域得到廣泛應用。然而，傳統的機器學習算法并未考慮軟件缺陷預測過程中，常見的代價敏感問題與類不均衡問題。文中將基于過采樣技術和閾值移動技術的代價敏感神經網絡算法應用于軟件缺陷預測領域，從而解決該領域的代價敏感問題與類不均衡問題。在N
電子科技 2012年6期2012-01-19
- 領域本體的構建方法研究
用該方法構建軟件缺陷領域本體。關鍵詞：本體 領域本體 本體構建 軟件缺陷中圖分類號： B016文獻標識碼： Ａ 文章編號： 1003-69３８（２０11）０1－0016-04Research on Construction Methods of Domain OntologyZhang Wenxiu （Department of Audit, Nanjing Audit University, Nanjing, Jiangsu, 211815）Zhu Qi
圖書與情報 2011年1期2011-02-14