基于贝叶斯网络的软件缺陷预测管理系统

论文摘要

随着信息技术业的发展,软件缺陷预测技术越来越受到重视。该技术帮助软件企业有效提高开发效率和产品质量,降低开发成本,因此成为企业发展的一个不可或缺的技术手段。然而,在一些软件企业中,虽然建立了与软件缺陷预测相关的流程,但由于这些预测方法处理各种不确定性信息的能力不灵活,方法本身缺乏自我学习的能力,所以实际使用效果往往不够理想。为此,本文提出了一种基于贝叶斯网络的软件缺陷预测方法,该方法将有向无环图与概率论相结合,对软件缺陷进行预测。本文详细阐述了该贝叶斯网络模型的构造方法,并对研究的应用系统――基于贝叶斯网络的软件缺陷预测管理系统(SDRM系统)的设计与实现,及其应用效果进行了详细介绍。本文首先介绍软件缺陷的相关知识和目前常用的一些软件缺陷预测方法,阐述了贝叶斯网络理论的原理、应用和特点,并分析了贝叶斯网络在软件缺陷预测方面的优势。本文重点阐述了如何构建用于软件缺陷预测的贝叶斯网络模型。详尽地分析了软件开发各阶段产生软件缺陷的因素,及各因素之间的关系,并结合软件工程知识来确定贝叶斯网络模型的拓扑结构。此外,讨论了在数据完整充足情况下,利用大样本数据统计方法来确定节点的条件概率,和在数据缺失情况下利用EM算法来获取节点的条件概率的方法。在此基础上,建立起用于缺陷预测的贝叶斯网络模型。考虑到所建模型中节点众多,取值复杂等情况,提出了一种改进的贝叶斯网络推理算法,有效提高了推理运算效率。本文最后论述了基于贝叶斯网络的软件缺陷预测管理系统的设计和实现。详细介绍了该系统主要模块和数据库的设计,并解决了诸如条件概率的动态存储、网络无环路检测、网络优化显示和条件概率调整等难点。本研究实现的系统已在实际项目中得到应用,通过实际项目数据对该方法的可行性和有效性予以了证明。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 问题描述与研究动机
• 1.2 研究内容
• 1.3 本文结构
• 1.4 本章小结
• 第二章 相关技术
• 2.1 软件缺陷
• 2.1.1 软件缺陷定义
• 2.1.2 软件缺陷分类
• 2.1.3 缺陷数据分析
• 2.2 软件缺陷预测的方法
• 2.2.1 控制图法
• 2.2.2 矩阵数据分析法
• 2.2.3 神经网络方法
• 2.2.4 捕捉模型方法
• 2.2.5 几种方法的比较
• 2.3 贝叶斯网络理论
• 2.3.1 贝叶斯网络背景
• 2.3.2 贝叶斯网络的定义
• 2.3.3 贝叶斯网络的研究领域
• 2.3.4 贝叶斯网络的构建原理
• 2.4 本章小结
• 第三章 基于贝叶斯网络的软件缺陷预测方法
• 3.1 贝叶斯网络进行软件缺陷预测的优势
• 3.2 用于软件缺陷预测的贝叶斯网络构建
• 3.2.1 变量集和变量域的确定
• 3.2.2 网络的拓扑结构的确定
• 3.2.3 边缘概率和条件概率分布的确定
• 3.3 贝叶斯网络推理计算
• 3.3.1 贝叶斯网络推理原理
• 3.3.2 改进的贝叶斯网络推理算法
• 3.4 本章小结
• 第四章 SDRM 系统设计
• 4.1 系统架构
• 4.2 模块设计
• 4.2.1 网络显示模块
• 4.2.2 网络推理模块
• 4.2.3 网络调整模块
• 4.3 数据库设计
• 4.4 本章小结
• 第五章 SDRM 系统实现及应用
• 5.1 系统实现
• 5.1.1 系统实现架构
• 5.1.2 数据库的实现
• 5.1.3 系统部署及运行配置
• 5.2 系统应用
• 5.2.1 应用背景
• 5.2.2 应用实例
• 5.2.3 应用效果分析
• 5.3 本章小结
• 第六章 总结
• 6.1 研究工作回顾
• 6.2 下一步的工作
• 参考文献
• 致谢
• 作者攻读学位期间发表的论文