資源描述：
《基于主成分分析方法的軟件缺陷預(yù)測研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、基于主成分分析方法的軟件缺陷預(yù)測研究摘要軟件測試作為保證軟件質(zhì)量的一個重要手段，在國內(nèi)外受到廣泛重視，并進行了多年研究。通俗地講，軟件測試是發(fā)現(xiàn)并指出軟件系統(tǒng)缺陷的過程口］。在統(tǒng)計學(xué)中，主成分分析方法比較適合對綜合狀況進行預(yù)測。因此考慮將主成分分析方法引入軟件缺陷預(yù)測領(lǐng)域，以提高軟件開發(fā)質(zhì)量和效率。關(guān)鍵詞主成分分析軟件缺陷=(x1,x2,...,xp)1n-1主成分分析算法(PrincipleComponentAnalysis,PCA)主成分分也稱為KL變換［2］。它是一種常用的特征提取方法，這種技術(shù)可以在保證信息損失最少的前提下，對高維變量空間進行降維處理，它依據(jù)特征值大小
2、選擇特征向量,消除了特征向量的相關(guān)性，從一定意義上體現(xiàn)了特征向量中不同維度的識別結(jié)果貢獻的大小不同。1.1PCA的主要思想主成分分析是采収一種數(shù)學(xué)降維的方法［3］,找出幾個綜合變量來代替原來眾多的變量，使這些綜合變量能盡可能地代農(nóng)原來變量的信息量，而且彼此Z間互不相關(guān)。通常，數(shù)學(xué)上的處理方法就是將原來的變量做線性組合，作為新的綜合變量。如果將選収的第一個線性組合即笫一個綜合變產(chǎn)記為耳，自然希望它盡可能多地反映原來變最的信息，這里“信息”用方差來測量，即希望var(F,)越大，表示片包含的信息越多。因此在所有的線性組合中所選取的片應(yīng)該是方差最大的，故稱片為第一主成分。如果第一主成
3、分不足以代表原來p個變量的信息，再考慮選取F2即第二個線性組合,為了有效地反映原來信息，片已有的信息就不需耍再出現(xiàn)在幾中,用數(shù)學(xué)語言表達就是要求cov(FpF2)=0,稱場為第二主成分［4］,依此類推可以構(gòu)造出第P個主成分。1.2PCA的過程對于一個樣本數(shù)據(jù)，觀測到P個變量X
4、,X2，...,X/,、n個樣品的數(shù)據(jù)陣為：X]]X]2…X]pX21X22-*-X2pX“j第一步：對數(shù)據(jù)進行標準化處理豪X.；一x{Xjj=/(2=1，2，???屮;丿=1，2，???,〃)Jvarg)￡(列一兀)2(J=l,2,??,p)i=第二步：計算樣木和關(guān)系數(shù)矩陣n-1第三步:用雅克比方法求
5、和關(guān)系數(shù)矩陣R的特征值（人，心…，州）和對應(yīng)的特征向量%=（%i，%2，???，％J7Z=1,2,...,p第四步：選擇重耍的主成分，并寫出主成分表達式主成分分析可以得到p個主成分，但是，山于各個主成分的方差是遞減的，包含的信息量也是遞減的，所以實際分析時，-般不是選取p個主成分,而是根據(jù)各個主成分累計貢獻率的大小選取前k個主成分。笫i個主成分為：E=（X],X]X卩）（Q‘],d/2,）=aiixl+ai2x2+...^aipxp這里貢獻率就是指某個主成分的方差占全方差的比貳，實際也就是某個特征值占全部特征值合計的比重。即：貞獻率=人/工人i=i貢獻率越大，說明該主成分所包
6、含的原始變量的信息越強。主成分個數(shù)k的選取，主要根據(jù)主成分的累積貢獻率來決定：累計貢獻率=￡人/￡人/=!/=1-般要求累計貢獻率達到85%以上，這樣才可還要注意主成分實際含義解釋。主成分分析中一個很關(guān)鍵的問題是如何給主成分賦予新的意義，給出合理的解釋。-般而言，這個解釋是根據(jù)主成分表達式的系數(shù)結(jié)合定性分析來進行的。主成分是原來變量的線性組合，在這個線性組合中個變量的系數(shù)有大有小有正有負，有的大小相當(dāng)，因而不能簡單地認為這個主成分是某個原變量的屬性的作用，線性紐?合中各變量系數(shù)的絕對值人者衣明該主成分主要綜合了絕對值大的變量，有兒個變量系數(shù)大小相當(dāng)時，應(yīng)認為這一主成分是這兒個變
7、量的總和，這兒個變疑綜合在一起應(yīng)賦了怎樣的實際意義，這要結(jié)合具體實際問題和專業(yè)，給出恰當(dāng)?shù)慕忉?，進而才能達到深刻分析的目的。第五步：計算主成分得分。根據(jù)標準化的原始數(shù)據(jù)，按照各個樣品，分別代入主成分表達式，就可以得到各主成分下的各個樣品的新數(shù)據(jù)，即為主成分得分。第六步：依據(jù)主成分得分的數(shù)據(jù)，則可以進行進一步的統(tǒng)計分析。其中，常見的應(yīng)用有主成份回歸，變量子集合的選擇，綜合評價等。2.基于PCA方法的軟件缺陷預(yù)測要預(yù)測軟件項1-1中的缺陷，根據(jù)缺陷預(yù)測的步驟，應(yīng)該分為三步：獲得度量元，構(gòu)造預(yù)測模型，分析預(yù)測結(jié)果。2.1缺陷預(yù)測指標（度量元）的獲得木文用源代碼行數(shù)（SLOC）來刻畫軟
8、件項目的規(guī)模，以用不同的語言開發(fā)366個功能點的項目為例,分別用]BM模型、COCOMO模型和Putnam方法!口口SI.OC估算模型工作量（PM/人月）開發(fā)時間IBM模型77.247.33C++19.398KCOCOMO模型83.0647.2Putnam方法論79.4721.35IBM模型28.914.06Dephi6.588KCOCOMO模世72.6853.52Putnam方法論58.5237.8IBM模型37.394.74VB8.784KCOCOMO模塑97.7959.91Putnti
