随着软件开发技术的快速迭代发展,以及软件规模日益庞大和可靠性需求的日益迫切,关于软件自动化生成及可靠性预测技术的研究也越来越成为软件工程领域的热点问题。现有软件可靠性度量指标较多,有基于代码行的度量方法,也有基于文本复杂度的度量方法。相关研究表明,软件出现故障最集中的阶段是软件的设计和实现阶段,传统的基于文档或人工代码编写的软件系统分析、设计和开发过程对于系统的复杂过程数据和信息较难进行充分获取。因而传统的软件可靠性度量指标在数据和知识集合不充分的情况下具有很大的局限性。本课题基于图形化模型驱动和代码自动生成技术,在有效扩充软件设计和开发过程数据的前提下,结合机器学习方法优化了现有度量指标。首先,设计并实现了一个图形化模型驱动的软件设计及代码自动生成系统,给出了基于类图、状态图和结构化流程图等三类图形的代码生成框架和算法。其次,建立了基于模型软件开发过程中的三类数据集合,包括过程数据集合、业务数据集合和操作数据集合,并对三类数据集合的提取过程进行了研究和设计,在此基础上,基于XML技术对数据提取的存储结构和存储过程进行了实现。再者,研究了现有软件可靠性度量指标及各类指标的计算条件和计算过程,基于论文给出的代码生成框架抽取了部分度量指标,并对这些度量指标的计算过程和计算方法进行了实现。最后,针对论文给出的三类数据集合及抽取的度量指标进行了软件可靠性预测研究,在分析了现有机器学习算法的基础上,选择最优算法进行了可靠性预测。论文针对代码生成系统进行了测试,测试结果表明,本文设计并实现的代码生成系统全部功能均达到了设计目标,采用本文方法提取的数据集合和指标及基于此数据的可靠性预测算法相比传统方式有较大的提升。