软件质量保证是软件工程中重要的环节,通过建立一系列有计划、有系统的保证方法,对软件产品质量进行评估和审计,以向客户或管理层提交完善的软件产品。然而由于项目进度以及成本控制等原因,对于软件质量保证往往无法提供充足的时间、人力及财力,导致所提交的软件产品往往可能包含缺陷或错误。软件中的缺陷或错误往往会导致软件运行中出现错误,进而可能导致严重的软件灾难。针对软件缺陷的侦测与改正,目前已有一系列研究。其中,通过经验分析建立缺陷预测模型被证明是一种有效的方法。通过对已有的软件产品或软件开发过程度量值与缺陷数据进行经验分析,建立缺陷预测模型对软件缺陷进行预测,从而帮助软件开发人员更有效地进行软件质量保证及测试工作。本文的研究主要关注于软件缺陷预测模型,尤其是基于软件产品度量值的缺陷预测模型。之前的研究主要是基于类或文件级别的度量值进行缺陷预测并尝试提高预测效果,部分研究者提出了基于更高层次的软件单元(组件或包)进行缺陷预测。研究表明,基于更高层次的缺陷预测模型能够得到更高的预测召回率和准确率,但当工作量因素被考虑时,这种预测模型的表现会变差。在本文中,我们结合程序聚类,提出了一种基于程序聚类结果的软件缺陷预测模型方法。我们尝试使用更具有问题域信息的代码聚类作为缺陷预测的单元,以提高缺陷预测的效果,尤其是在工作量模型中的预测效果。为了验证本文方法的有效性,我们在Eclipse3.0系统上进行了实验。我们使用不同的方法、基于程序聚类建立缺陷预测模型进行预测,并与传统的基于类的预测模型进行比较。通过比较,我们发现基于程序聚类建立的预测模型,在预测的召回率和准确率上都有很大提高,同时,在工作量模型中,基于聚类的缺陷预测模型的结果也有一定改善。