51、软件模块故障倾向性预测的软件度量约简研究

软件模块故障倾向性预测的软件度量约简研究

1. 引言

在软件分析中，应避免使用对分析无用或在数据评估中引入噪声的度量。为此，开展了一项大规模对比实验，对九种不同的软件度量约简方法在来自NASA MDP的十一个公共领域数据集上进行了研究。采用带有对数过滤预处理器的朴素贝叶斯数据挖掘器构建预测模型，并使用方差分析（ANOVA）来比较不同约简方法的性能。

2. 相关工作

由于一些独立变量可能高度相关，即存在多重共线性问题，这会影响回归分析结果的稳定性。以下是一些解决该问题的方法：
- 主成分分析（PCA） ：Nagappan利用PCA对软件度量进行约简。
- 多重共线性分析测试 ：Shatnawi通过Spearman相关分析、方差膨胀因子（VIF）分析和条件数分析（以30为截断值）来分析多重共线性。具体步骤为：先计算度量组中的Spearman相关性，标记出高相关性后，计算该组的条件数和VIFs。若条件数大于30，则剔除VIF值最高的度量，重新计算条件数，直至条件数低于30，剩余度量作为进入MLR模型的候选。
- 基于相关性的特征选择技术（CFS） ：用于从数据集中的21个独立变量中筛选出最佳预测变量，通过搜索数据集中所有可能的变量组合，找出最适合预测的变量子集。
- 简单相关性计算 ：Olague利用此方法确定当前可用的度量是否能预测软件系统的初始质量。
- 单变量回归分析 ：Zhou通过该分析分别考察每个度量的影响，识别与类的故障倾向性显著相关