软件缺陷是软件开发过程中不可避免的“副产品”,不仅影响着软件的质量还可能导致软件的开发费用超支和开发进度失控,甚至会导致灾难性的结果。软件中存在的缺陷并非靠简单地检测和验证手段就能发现或排除的,因此,软件缺陷检测技术必不可少。一方面,在以往的研究过程中,软件缺陷检测模型的研究思路焦点都聚集在分类器的设计上,而忽略了数据复杂性特征。另一方面,检测模型评估指标多种多样,很难直观的判断出哪些模型指标是否是合格或者说是有利的,因此拥有稳定的评估技术是非常重要的。针对上诉问题,本文提出基于数据度量的软件缺陷检测方法和基于多目标决策的评估方法研究:(1)提出了基于数据度量的软件缺陷检测方法,其将数据挖掘技术中数据复杂性度量应用到软件工程的软件缺陷检测模型中。首先引入11个数据复杂性度量指标对所有数据进行度量,然后使用当前较流行的三种数据挖掘算法最近邻分类算法、决策树算法和朴素贝叶斯分类算法对所有数据进行检测,并采用多个评估指标来表示,最后根据实验结果探讨数据集的复杂性度量与软件缺陷检测之间的关系,从而为软件缺陷检测模型的建立提供有力的支持。实验结论表明,数据复杂度量可以为分类器的选择提供有效的信息,同时为建立稳定的检测模型提供了有力的支撑。(2)提出了一种基于多目标决策算法的评估方法。多目标决策算法主要采用的方法是层次分析法(Analytic Hierarchy Process,AHP)和模糊数学法,该技术适用解决多输入以及多输出的问题。在后期实验中主要采用了层次分析法作为建模对象,以及会涉及到层次分析法的一些变形的方法模糊层次分析法(Fuzzy AHP)等。首先,将影响因素分解成目标、准则、方案等层次,在此基础之上在使用层次分析法对决策进行定性和定量分析。使用了机器学习中多个度量指标建立多目标决策评估方法,所得的数据来确立优化的评估算法。然后,在层次分析法上进行变形成Fuzzy AHP模型进行相同试验,比较二者的不同之处,以及实验结果。最后,分析出所要的多目标决策模型。实验的结论展示了通过层次分析法得出的一个解再通过Fuzzy AHP的方法,可以将其转化为定量分析,在5个划分的标准之中找到对于该解的评价,以确定该解是否符合预期。