随着信息时代的不断发展,各类应用软件的问世给人类的日常生活带来了巨大的便利。但是随着软件需求的不断增长,软件开发的迭代次数也日益增加,在迭代过程中无法避免地会产生各式各样的缺陷。进行软件测试有可以重现和记录缺陷,进而改正缺陷,但是过度的测试工作会导致大量时间和人力成本的浪费。研究者们提出利用软件缺陷预测技术,通过软件的特征属性和缺陷数据构建预测模型来预测软件缺陷,它有助于合理分配人力和时间成本,提高产品迭代质量,而且不仅丰富了软件测试的手段,还促进了计算机科学中各方面的发展。本文将机器学习技术和软件缺陷预测结合在一起,并根据当前特征选择算法和跨项目缺陷预测数据集存在的问题给出了相对应的解决方法,如下所示:为解决缺陷数据集中的不相关的特征影响预测性能的问题,提出了基于样本分布和加权最近邻特征选择方法。根据待预测样本和历史样本之间的相关性,计算样本间的距离,再根据距离权重函数来赋予权重,通过梯度下降法不断进行迭代,最终得到一个特征排序列表。在公开数据集上使用提出的特征选择方法进行特征选择并给出预测结果,为保证实验结果的准确,将提出的基于样本分布和加权最近邻特征选择方法作为实验组,另外几种特征选择方法作为对照组,并且根据实验效果进行分析性能的优劣。除此之外,还通过两种不同的检验方式进一步探讨基于样本分布和加权最近邻特征选择方法的有效性。通过实验结果进行对比和分析,提出的基于样本分布和加权最近邻特征选择方法的性能与其他常用算法相比性能相当甚至更优。考虑到跨项目数据集之间除了样本分布差异也存在冗余特征的问题,因此在进行跨项目预测之前先进行特征选择从而提升预测的准确性。通过分别对历史项目和目标项目进行特征选择,根据特征子集分别构建数据子集,利用历史项目数据子集对构建的软件预测模型进行训练,目标项目数据子集作为测试集进行预测。在公开数据集上使用提出的跨项目缺陷预测方法进行跨项目预测并给出预测结果,实验除了验证特征选择对跨项目缺陷预测的有效性,还采用其他特征选择方法和提出的基于样本分布和加权最近邻特征选择方法分别在相同的预测模型上进行对比。实验结果表明,跨项目预测时先进行特征选择可以得到更好的预测结果。