基于决策树的软件可维护性预测方法研究

来源：计算机技术与发展杂志2018年第08期北京时间：

作者：朱佳俊;王炜.;李彤.;唐季

摘要：软件维护是软件全生命周期中一项高难度、高成本、长周期的活动,准确预测软件可维护性对降低软件维护成本、提高软件可用性具有重要意义。 软件可维护性分析历经 20 多年的研究,当前的预测分析性能和准确率仍然不高,甚至达不到模型预测是准确的标准;而总结相关研究发现,软件可维护性数据还普遍存在数据分布不均衡问题,该问题将直接影响到模型预测的性能。 针对上述问题,基于采样方法利用决策树建立软件可维护性预测模型,并通过 UIMS 和 QUES 数据集对模型进行实验验证。 结果表明,与基线方法和现有的可维护性预测方法相比,文中方法在 UIMS 数据集和 QUES 数据集的平均误差率(MMRE)分别提高了 84%和 61%,且 Pred(0.25)都达到了该评价标准的最优值 1,表明该方法具有更优的综合性能。

关键词：面向对象;软件可维护性;可维护性预测;采样方法;决策树