軟件工程中的數(shù)據(jù)挖掘綜述

1、軟件工程中的數(shù)據(jù)挖掘綜述 一、數(shù)據(jù)挖掘技術在軟件工程中的應概述 1、挖掘執(zhí)行記錄 其應用的本質(zhì)是通過跟蹤相應的執(zhí)行路徑，然后通過逆向建模實現(xiàn)其目的，其作用在于維護、驗證和了解程序。執(zhí)行記錄挖掘的應用過程，通常是先初步插裝被分析的系統(tǒng)，并對由挖掘軟件對應用編程接口，或是基本的系統(tǒng)和模塊調(diào)用的狀態(tài)變量進行記錄，最后約簡、聚類和過濾目標跟蹤所得的信息，最終使其成為能夠表征系統(tǒng)功能的模型。 2、檢測漏洞 軟件漏洞檢測的目的，主要在于及時的找出軟件開發(fā)中存在的漏洞或錯誤，確保能夠得到盡快的修復和完善，確保軟件的質(zhì)量及可靠性。一般數(shù)據(jù)挖掘技術應用于軟件漏洞的檢測，首先需確定對應的軟件測試項目，并基于用戶的

2、需求，規(guī)劃出軟件測試的具體內(nèi)容，進而決定該用什么樣的方式進行測試，從而制定出對策和計劃；然后收集漏洞庫數(shù)據(jù)，實施數(shù)據(jù)的清理和轉(zhuǎn)換。對所需采集的數(shù)據(jù)和信息進行分析，選取和軟件缺陷相關聯(lián)的數(shù)據(jù)集，將多余的、不需要的數(shù)據(jù)清理后，再對丟失的項目采取補充措施，轉(zhuǎn)換數(shù)據(jù)屬性為數(shù)值表示。其次選取恰當?shù)臄?shù)據(jù)模型，進行驗證和訓練。需結(jié)合項目的實際需求，對其挖掘方式進行選擇，促使其成為測試集、訓練機集，進而比較所有的結(jié)果，找出最合理和符合需求的方式。同時還需應用上面所提的方法，描述、定位和分類軟件的漏洞，并將漏洞庫數(shù)據(jù)的收集應用到軟件的數(shù)據(jù)庫，并將未知漏洞找出，然后結(jié)合相應規(guī)則描述其漏洞，進一步的分類；并在最后把

3、挖掘出的數(shù)據(jù)知識用到軟件測試的項目中。 3、挖掘開源軟件 開源軟件挖掘項目的開發(fā)環(huán)境具有開放性、全局性和動態(tài)性，因此，對于該類軟件的開發(fā)管理，需和其他的傳統(tǒng)軟件相區(qū)別。通常情況下，比較成熟的開源軟件項目，對于參與其中的錯誤報告、開發(fā)者活動和軟件的應用具有較為完整的記錄。參與開發(fā)的人員，能夠組成典型的社會網(wǎng)絡，但因為其具有的開放性，致使參與的人員處于不斷的變化當中。同時對于開源軟件中具有的動態(tài)性特征的挖掘，可實現(xiàn)開源項目的優(yōu)質(zhì)管理。例如，由牛津大學所開發(fā)的系統(tǒng)sima，便可對開源項目的使用者和跟蹤者實施系統(tǒng)性的跟蹤管理。 4、挖掘版本控制的信息 版本控制系統(tǒng)的應用，主要是為保證項目參與者共同編輯

4、的同一檔案的統(tǒng)一性，以便全局性的更新。當前的軟件工程開發(fā)應用中，大部分均會應用版本控制系統(tǒng)實施軟件開發(fā)工作的管理和保護。并且挖掘版本信息控制的應用方式，主要是對變更歷史信息的挖掘，其應用可找出不同模塊，以及子系統(tǒng)之間所存在的相互依存的關系，并深化對程序中未來變化和引入方式可能存在漏洞的檢測。這類挖掘技術的應用，能夠有效的將系統(tǒng)后期維護成本降低，避免因為后期變更所產(chǎn)生的漏洞，進而具有對后期的軟件維護、警示作用。 二、數(shù)據(jù)挖掘技術在軟件工程中的應用方法 1、關聯(lián)方法 挖掘技術應用與軟件工程中的關聯(lián)方法，其規(guī)則在于發(fā)現(xiàn)大量數(shù)據(jù)中所具有的相關聯(lián)系及有趣關聯(lián)。并且關聯(lián)規(guī)則具有兩個重要特征，其一為支持度，

5、表示為p（a∪b），表明a、b兩個子集在事物集中出現(xiàn)的概率是相同的；其二為置信度，可表示為p（ba），說明a在事物集中所具有的概率，同樣b也會出現(xiàn)。 2、分類方法 分類方式的應用，主要是對離散值和分類標號進行操作，一般情況下，首先需建立起相應的模型，對其概念集和數(shù)據(jù)類集進行描述，之后應用模型完成分類。常用的分類方法是判定樹法，主要包括神經(jīng)網(wǎng)絡分類法、貝葉斯法、k-最臨近法和支持向量機法等。其中判定樹法的應用基礎為貪心算法，應用自上至下遞歸的構(gòu)造方式，對其樹、葉子節(jié)點等實施相應的類別標號，并確定最終的分類結(jié)果。另外常用的判定樹法為支持向量機和k-最臨近分類法等。k-最臨近分類法應用的基本

6、理為：若某個樣本位于特征空間中時，應有k個最相似樣本的大多數(shù)，稱為一個類別，并且其樣本也歸屬于這一類別。這類計算方法對于容量較大的自動分類較為適用，若是用以樣本容量比較的分類，則很容易導致錯誤產(chǎn)生。 3、聚類方法 聚類方式的應用，顧名思義，便是把對象數(shù)據(jù)分為多個簇或類，并且保證統(tǒng)一類或簇中的數(shù)據(jù)的相似度較高，同時不同類或簇中的對象具有明顯的差別。常用的聚類方法主要有劃分方法、基于密度的方法、基于模型的方法、基于網(wǎng)格的方法和層次方法。聚類分析的輸入為一組有序?qū)Γ▁，d）或（x，s），其中x所代表的是一組樣本，d和s表示的是相異度或相似度。聚類系統(tǒng)的輸出為某個分區(qū)c=c1，c2，ck，ci為x子集

7、，也被稱為類。本文就劃分聚類法為例進行分析，其基本的應用理論為根據(jù)所給出的n個對象數(shù)據(jù)集加以應用。其中劃分聚類方法的應用，便為應用構(gòu)造出k的劃分，并且每一個劃分區(qū)域均代表某一個簇，并且需保證kn。k個劃分應滿足相關的條件。首先應讓每個簇中均含一個對象；其次，每個對象有且僅屬于某個簇。而給定k的算法，應在結(jié)合劃分方法，通過迭代的改變來劃分，確保每一次的迭代后，均優(yōu)于未迭代之前，劃分最好的標準為統(tǒng)一簇中的對象最為接近，不同簇中的對象差異最明顯。 三、結(jié)束語 由于軟件工程的復雜化發(fā)展，促使軟件的開發(fā)更加需要能夠量化且測量精準的工具，數(shù)據(jù)挖掘的應用可較大的滿足軟件開發(fā)者對于這一方面的需求。特別在近年來，數(shù)據(jù)挖掘技術應