基于模糊聚类加权类关联规则挖掘的软件缺陷预测

《Big Data Research》:Software defect prediction based on fuzzy clustering weighted class association rule mining

【字体: 大 中 小 】 时间:2026年08月28日 来源:Big Data Research 4.6

编辑推荐:

   摘要 软件缺陷预测(SDP)是一种有效的辅助软件测试的资源分配手段。特别是,建议在SDP的关联分类规则中同时考虑可解释性和性能。然而,由于软件缺陷数据的类别不平衡问题,在规则生成时往往倾向于发现更多的非缺陷类规则而非缺陷类规则。经典的关联分类规则算法通常假设各度量指标同等重

  

摘要

软件缺陷预测(SDP)是一种有效的辅助软件测试的资源分配手段。特别是,建议在SDP的关联分类规则中同时考虑可解释性和性能。然而,由于软件缺陷数据的类别不平衡问题,在规则生成时往往倾向于发现更多的非缺陷类规则而非缺陷类规则。经典的关联分类规则算法通常假设各度量指标同等重要,这可能导致有用规则被淘汰。另一方面,它们采用离散化方法将连续度量数据转换为若干互不重叠的硬区间,忽略了区间边界值的变化,导致边界锐化问题。这促进了模糊加权关联分类的出现。然而,基于领域知识的定制化隶属函数往往无法实现不同数据区间的自适应调整。因此,我们提出了一种基于模糊聚类加权类关联规则挖掘(FCWCAR)的创新SDP模型,该模型旨在同时解决类别不平衡、特征重要性和边界锐化问题。基于目标函数的模糊聚类方法可以实现模糊区间之间的平滑过渡,多模糊加权支持度框架可以解决类别不平衡问题,基于皮尔逊相关的方法可以为各度量指标分配不同的权重。此外,根据模糊加权支持度对规则排序、剪枝和预测阶段进行了优化。我们在27个开源数据集上进行了实验,结果表明FCWCAR在Balance、G-mean、MCC和F-measure方面具有有效性和可行性。

引言

随着计算机系统在各领域的广泛应用,其软件组件的规模和复杂性迅速增加。作为衡量软件质量的关键属性,可靠性越来越受到软件工程师的重视。许多企业经常在软件生命周期中使用软件测试或人工代码审查来识别代码错误,以确保软件质量[1]。然而,这种方法要求从业者投入大量的时间和精力的支出。鉴于这种情况,软件缺陷预测(SDP)逐渐成为软件生命周期中不可或缺的一部分[2]。SDP利用数据挖掘或机器学习技术,通过读取历史软件缺陷数据集来构建缺陷预测器,从而判断待测软件模块的缺陷倾向[3],并最终有效地分配测试资源[4]。许多现有研究表明,SDP能够有效实现正向收益[5]。

关联规则挖掘算法[6]、[7]、[8]、[9]、[10]、[11]由于其可解释性和高性能,被广泛应用于SDP任务中。关联规则是形如X?Y的规则,意味着如果X发生,则Y发生。X表示规则的前件,Y表示规则的后件。由于软件缺陷倾向预测是一个分类任务,我们主要关注关联分类规则算法(后件为类别标签)。

类别不平衡是SDP任务中一个众所周知的难题,在软件缺陷数据中,非缺陷类数据往往显著多于缺陷类数据。扩展关联分类算法(CBA2)[12]通过使用多个支持度阈值来保证缺陷类规则的数量,并使用置信度作为投票分类指标。然而,在类别不平衡条件下,非缺陷类规则的置信度通常高于缺陷类规则,这使得CBA2的最终缺陷预测结果倾向于非缺陷类。同样,基于原子关联规则挖掘的软件缺陷预测模型(ACAR)[7]采用"一类分类"训练策略在单一类别数据中挖掘原子规则。原子规则是指前件和后件中都只存在一个项的关联规则。然而,这种方法忽略了特征的重要性,这是关联规则挖掘算法领域中一个经常被忽视的问题。传统的关联规则挖掘认为所有项同等重要,仅从频率角度衡量其重要性,但这忽略了项的强度。在此基础上,基于相关性加权类关联规则挖掘的软件缺陷预测模型(CWCAR)[6]采用代价敏感策略为不同类别的数据分配单独的支持度阈值,并应用皮尔逊相关系数作为特征权重。最终,加权支持度被用作投票分类指标。实验结果表明,考虑特征重要性有利于在类别不平衡数据条件下提高关联规则挖掘算法的性能。

边界锐化是关联规则挖掘算法处理连续数据时的一个常见挑战。软件缺陷代码度量(特征)是定量连续数据,经典的关联分类规则算法通过将其转换为若干互不重叠的硬离散区间来离散化度量数据。然而,现有的从集合角度出发的定量关联分类规则挖掘方法中,每个区间为0或1,忽略了区间边界值的影响,导致边界锐化问题。在不考虑原始训练集中精确连续值的情况下,在离散数据集上构建基于规则的关联分类器可能会降低关联规则的鲁棒性。使用常见的专家知识方法定义隶属函数往往无法实现不同数据区间之间的自适应能力。基于模糊关联规则挖掘算法的SDP研究[13]、[14]相对较少,主要关注与经典基于关联的分类(CBA)[15]的集成以及通过SMOTE生成样本来缓解类别不平衡问题。然而,数据采样方法会引入新的噪声,并且忽略了特征重要性对模型性能的影响。

总之,现有的基于关联规则挖掘的SDP研究仍然无法有效同时解决类别不平衡、特征重要性和边界锐化问题。我们的动机是设计一种模糊加权关联规则挖掘模型。在数据层面,该模型应用代价敏感策略为不同类型的数据设置支持度阈值,以解决类别不平衡问题。在关联规则挖掘算法层面,该模型通过模糊理论和相关性项加权分别解决特征重要性和边界锐化问题。因此,我们提出了一种基于模糊加权关联规则挖掘(FCWCAR)的SDP模型,该模型在CWCAR[6]的基础上设计,旨在有效同时解决类别不平衡、特征重要性和边界锐化问题。FCWCAR将连续定量数据转换为模糊数据,充分利用模糊理论平滑模糊区间的过渡,并增加特征重要性以提高规则的有用性和可解释性。在关联分类规则算法的基础上考虑模糊化和特征重要性后,传统的支持度和置信度已经发生变化,不再适用,并且使用不完整的规则排序和规则剪枝策略以及单一规则的判别方法无法解决类别不平衡问题。因此,为了解决将定量值模糊化为语言值的问题,FCWCAR寻找合适的隶属函数并结合相关性方法计算特征权重。通过构建面向类别不平衡的模糊加权关联分类规则模型,保证知识的有序性、完整性和一致性。为应对上述挑战,本文的主要贡献如下:(1)我们提出了一种基于模糊聚类加权类关联规则挖掘(FCWCAR)的新型软件缺陷预测模型,同时解决类别不平衡、特征重要性和边界锐化问题。(2)我们引入了一种模糊聚类方法自动生成隶属函数,实现模糊区间之间的平滑过渡,避免人工专家知识的主观性。(3)我们将基于皮尔逊相关的特征加权机制集成到关联规则挖掘过程中,为各度量指标分配不同权重,增强所发现规则的有用性和可解释性。(4)我们设计了一个基于模糊加权支持度的综合规则排序、剪枝和预测框架,专门用于处理类别不平衡数据。(5)我们在27个开源数据集上进行了广泛的实验,证明了FCWCAR在Balance、G-mean、MCC和F-measure方面优于最先进方法的优越性。

本文其余部分结构如下:第2节调查相关工作,第3节介绍基于模糊聚类加权类关联规则挖掘的软件缺陷预测模型。实验结果详述于第5节。最后,结论和未来工作在第8节中总结。

第2节

本节简要介绍模糊关联规则挖掘和模糊加权类关联规则挖掘。类关联规则、关联分类规则、关联分类规则或分类关联规则都表达相同的含义,即关联规则的前件是特征项集合,后件是类别标签(易缺陷(D)或不易缺陷(ND))。

第3节

软件缺陷预测基于模糊聚类加权类关联规则挖掘

在本节中,我们首先简要描述所提出的用于SDP的FCWCAR的整体框架。然后从三个方面进行详细描述:(1)数据预处理;(2)规则训练;(3)模型测试。

第4节

实验设计

本节描述了我们实验的细节,包括研究问题、基准数据集、基线分类器和统计检验。所有实验均在一台基于Windows 10的计算机上执行,配备Intel(R) Core(TM) i5-4200u CPU 4.00GHz和8.00 GB RAM。所有结果均通过10×5折交叉验证的平均性能运行得出。使用Balance、MCC和G-mean来评估整体预测性能,但选择Balance作为RQ1的主要评估指标。

RQ1:所提出的FCWCAR模型是否有效且可行?

为了验证FCWCAR模型的有效性,我们选择了三个关联挖掘算法基准分类器,包括CWCAR[6]、RWCAR[7]和FCAR。表3、表4、表5、表6分别显示了所提出的基于模糊聚类的加权关联分类规则FCWCAR与CWCAR、RWCAR和FCAR在Balance、G-mean、MCC和F-measure指标的均值、中位数、平均序值和胜负平结果。

在我们的实验中,我们执行了网格搜索来调整参数。

讨论

从三个方面对FCWCAR的实验设计和结果进行进一步讨论和分析。

有效性威胁

尽管所提出的FCWCAR已经进行了充分的实验,但实验结果的局限性不容忽视,本节描述了我们的模型的几个潜在有效性威胁。

结论

本文提出了一种基于模糊聚类加权类关联规则挖掘的新型软件缺陷预测算法,包括数据预处理(数据划分、属性选择、基于模糊的模糊聚类离散化)、规则训练(模糊加权类规则生成、模糊加权类规则排序、模糊加权类规则剪枝、模糊加权类规则预测)和模型测试。它已被用于优化三个问题。

CRediT作者贡献声明

袁俊:方法论、调查、概念化。吴文涛:方法论、调查、形式分析。王世海:监督、调查。刘斌:验证。姚晶秀:可视化。谢晚冬:监督、验证。

利益冲突声明

作者声明他们没有任何已知的竞争经济利益或个人关系可能影响本文所报告的工作。

袁俊|吴文涛|王世海|刘斌|姚晶秀|谢晚冬

航天科工网络信息发展有限公司,北京,中国
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号