摘要：跨项目缺陷预测适用于目标项目是新项目的情况。以前的大多数研究都试图利用其他项目（即源项目）的训练数据。但是，从业人员用来测量从不同项目中提取的程序模块的度量元可能并不相同，因此执行异构缺陷预测（heterogeneous defect prediction，HDP）更具挑战性。到目前为止，研究人员已经提出了一些性能良好的新颖HDP方法。近年来，无监督缺陷预测（unsupervised defect prediction，UDP）方法已受到越来越多的关注，并显示出竞争优势。但是，就我们所知，HDP方法是否可以比UDP方法显著改善性能还没有被彻底研究。本文进行了比较研究，以对该问题进行深入分析。具体来说，我们从三个不同的角度，在相同的实验设置下，基于五个小组中的34个项目，对5种HDP方法和5种UDP方法进行了比较。这三个角度分别是：非代价感知性能指标（non-effort-aware performance indicators，NPIs），代价感知性能指标（effort-aware performance indicators，EPIs）和对正确识别的缺陷模块进行多样性分析。结果有以下发现：（1）基于两种NPIs和四种EPIs，HDP方法的性能并没有明显优于某些UDP方法。（2）根据先前研究推荐的两种模型缺陷预测性能满意标准，现有HDP方法能取得的性能满意比率令人悲观。（3）HDP方法和UDP方法之间的预测多样性比仅HDP方法或UDP方法之间的比较更明显。以上发现暗示HDP问题还有很长的路要走。因此论文为HDP问题的后续研究提供了一些建议，例如如何设计更有效的HDP方法，如何对HDP方法进行全面评估。除此之外，我们将目前实现方法集成到原型工具，方便实验人员在实际中使用。

关键词：软件缺陷预测、异构缺陷预测、无监督缺陷预测、实证研究

目  录

摘  要

ABSTRACT

第1章 绪论-5

1.1研究背景和意义-5

1.2论文的研究动机和研究内容-5

1.3论文的主要贡献-13

1.4论文的组织结构-16

第2章 方法-17

2.1 HDP方法-17

2.2 UDP方法-19

第3章.实验设计-22

3.1研究问题-22

3.2评测对象-22

3.3性能指标-25

第4章 结果分析-28

4.1 在非代价感知性能指标方面，HDP方法与现有UDP方法的性能比较-28

4.2. 在代价感知性能指标方面，HDP方法与现有UDP方法的性能比较-32

4.3.HDP方法和UDP方法是否能识别相同的缺陷模块-39

4.4 对后续研究工作的建议-43

4.4.1. 设计有效的HDP方法-43

4.4.2. 全面评估HDP方法-44

4.4.3．对HDP方法执行超参数优化-44

第5章 原型工具的设计与实现-46

5.1 原型工具使用的相关技术-46

5.1.1 前端技术介绍-46

5.1.2 后端技术介绍-46

5.2 开发环境和工具介绍-47

5.3 原型工具的实现-48

5.3.1 界面的设计与实现-48

5.3.2 后端的设计与实现-49

5.4 本章小结-49

第6章 总结和展望-50

6.1 总结-50

6.2 展望-50

参考文献-51

致谢-60