随着软件系统的规模和复杂度日益庞大,正确地找到有缺陷的软件模块需要消耗大量的人力、物力等资源。软件缺陷预测技术通过挖掘、分析软件项目中的历史开发数据来检测潜在有缺陷的软件模块,从而提高开发效率节省开发成本。目前在软件缺陷预测领域,研究者主要使用机器学习的理论来构建缺陷预测模型,这些模型在实际应用中存在软件缺陷数据集中会包含大量的冗余特征、数据集的分布不平衡等问题,这些因素在很大程度上会影响模型的预测性能。本文针对软件缺陷预测过程中存在的问题分别利用随机森林算法对特征进行选择从而删除数据集中的冗余特征,利用SMOTE过采样结合随机欠采样技术改善数据集的不平衡率。本文结合数据集特点选用SVM作为基础分类器,设计了基于随机森林和SVM的软件缺陷预测模型。论文的主要研究内容如下:(1)利用随机森林分类器的分类准确率作为特征可分性的依据通过选取最高分类准确率对应的特征子集实现对特征的选择。(2)结合SMOTE过采样和随机欠采样技术使样本中多数类和少数类的数目达到平衡,同时样本数量降到原来样本数量的一半,提升了分类速度。(3)对于特征选择和数据采样的先后顺序以及数据预处理后作用于采样后的数据集还是原始数据集展开了研究并提出了四种训练场景,本文使用美国国家航空航天局提供的软件缺陷公开数据集进行实验,通过比较基于四种场景的软件缺陷预测模型的性能选出了其中最优的预测模型。实验结果显示基于采样数据的特征选择并将特征选择结果作用于采样数据生成的训练数据集结合SVM后得到的预测模型在总体性能上最好。(4)在模型优化环节,本文对最优场景下的预测模型使用PSO算法进行参数选择,从而得到最优参数的软件缺陷预测模型。经过一系列的对比实验证明,最后得到的这个预测模型在综合性能上达到了总体最优水平。本文提出的这种软件缺陷预测模型能够对软件缺陷数据集实现一个良好的预测效果,从而能够为软件开发人员提供指导性的解决方案,进而改善软件质量,提高开发效率。