1.一种基于ReliefF和CFS两阶段混合的软件缺陷特征选择方法,其特征在于,包括如下步骤:步骤1、提取待预测软件产品的度量元特征;
步骤2、基于ReliefF计算度量元特征与特征类别的相关性特征权重;具体过程如下:步骤2.1、首先计算每一个特征类别样本的样本中心点,计算公式如下:(1)
其中,表示某一类样本中的任意样本点,为初始随机选择的一个非中心点,用表示代替后和代替前的误差函数值;若,表示代替后误差会减少,则用代替,即将作为新的样本中心点;否则,不代替;以此,最终确定每一个类别的样本中心点;
步骤2.2、计算每一个类别样本中样本点与该类样本中心点的欧式距离,计算公式如下:(2)
其中,表示某一类样本的样本中心点;
步骤2.3、对各个类别样本划分小组,选择每一个小组样本的中心样本作为最终选择的样本P;具体过程为:将该类样本分成组,其中为ReliefF抽样次数,为数据集中的类别数,分组间隔欧氏距离大小为,最终选取每一组样本的中心样本;
步骤2.4、通过选取的样本,ReliefF从同一个类中检索的个最近邻,记为nearHits,从每个不同类中检索的个最近邻,记为nearMisses;如果在一度量元特征上与nearHits的差小于与nearMisses的差,则说明这是一个有利于分类的特征,增加该度量元特征的权值;反之,降低该度量元特征的权值;重复这一过程直到满足结束条件为止,最后返回度量元特征的权值,计算特征权重W的公式为:(3)
其中,表示特征,表示样本,表示同类样本中找到的个最近邻,表示样本和样本在特征上的差,表示样本类别,表示概率,表示类样本中第个最近邻样本;
步骤3、设置阈值去除不相关特征,得到特征子集F1;
步骤4、计算特征子集F1中剩余特征与类之间的相关性;
步骤5、将步骤3得到的软件缺陷特征子集F1按照相关性进行降序排序,得到排序后的软件缺陷特征子集F1';
步骤6、基于CFS的启发式规则评估软件缺陷特征子集F1'相关性,并利用前向选择策略筛选软件缺陷特征子集,得到最终软件缺陷特征子集F2,软件缺陷特征子集F2为对软件缺陷预测有价值的特征。
2.根据权利要求1所述基于ReliefF和CFS两阶段混合的软件缺陷特征选择方法,其特征在于,所述度量元特征包括LOC计数、Halstead复杂度和McCabe复杂度。
3.根据权利要求1所述基于ReliefF和CFS两阶段混合的软件缺陷特征选择方法,其特征在于,所述步骤3中,将阈值设置为中位数,其计算公式为:(4)
其中,W表示特征权重。
4.根据权利要求1所述基于ReliefF和CFS两阶段混合的软件缺陷特征选择方法,其特征在于,所述步骤4的具体过程如下:步骤4.1、定义来结合每个特征的特征权重来计算每个特征与类别之间的相关性,其计算公式为:(5)
其中,表示特征与类别之间的关联性,其公式如下:(6)
其中,SU(·)表示对称不确定性函数,通过对称不确定性来度量特征之间的相关性,其公式如下,(7)
其中,和分别代表离散随机变量的熵,假设为变量的每一种可能的取值,则的熵的计算方法为:(8)
其中,表示取到的概率;
表示信息增益函数,用于测量给定值时的熵的减少量,描述了给定值后,的熵的变化程度,反映特征提供给的附加信息,值越大,那么与的相关度越高,其计算方法如下,(9)
其中,为条件熵,其定义为:
(10)
其中,表示取到的概率,表示条件下取到的概率;
通过对称不确定性方法将信息增益归一化为[0,1],确保各属性可相互比较,使不同的选择产生一样的效果;其值为1时,表示对的认识能够完全预测对的认识;其值为0时,表示和是相互独立的。
5.根据权利要求1所述基于ReliefF和CFS两阶段混合的软件缺陷特征选择方法,其特征在于,所述步骤6的具体过程如下:利用前向选择策略筛选软件缺陷特征子集F1',选择相关性中最大值所对应的特征,将其加入到软件缺陷特征子集F2,并计算,评估方法计算如下:(11)
其中,表示一个含有个特征的特征子集S的评价;为特征与类别之间的平均相关度;为特征与特征之间的平均相关度,衡量了特征之间的冗余度,其公式如下:(12)
(13)
其中,表示特征个数,表示样本特征,表示样本类别,i、均表示特征个数的序号;
如果加入新的软件缺陷特征后变大,保留当前特征在特征子集F2中,继续添加剩余特征,如果不变或变小,则将此特征在特征子集F2中移除,继续添加其他特征,直到遍历完所有特征;最后,输出筛选的特征子集,该特征子集已经去除冗余特征,为所需的对软件缺陷预测有价值的特征。