随着软件逐步成为推动社会发展的重要力量,确保软件质量已经成为软件开发和应用中最重要的工作。开展软件质量管理工作可以有效提升软件的可靠性和耐用性,软件缺陷预测技术是软件质量管理常用的技术手段,它可以较早的识别出存在缺陷的软件模块,指导软件测试工作者合理分配资源,及时处理软件缺陷,保证软件质量。软件缺陷预测技术主要是从软件历史数据中提取缺陷特征信息,基于统计学或机器学习算法构建软件缺陷预测模型预测软件模块的缺陷情况。基于机器学习的软件缺陷数量预测方法已经成为当前缺陷预测领域研究的热点之一,但在缺陷数量预测过程中仍存在数据集特征冗余、数据类不平衡以及不同项目之间数据分布差异等影响缺陷预测准确度的问题。因此,本文在现有基于机器学习算法的软件缺陷数量预测方法研究的基础上,从缺陷数量预测过程中的特征选择方法、类不平衡处理方法以及跨项目的软件缺陷数量预测方法三个方面展开研究,提出了相对应的解决方法。1.针对目前软件缺陷数量预测过程中存在的冗余或无关特征问题,本文采用改进密度峰值聚类算法与Pearson相关系数提出了一种基于特征聚类和相关性的IDPCP（Improved Density Peak Clustering and Pearson）特征选择方法。首先引入基尼系数改进密度峰值聚类算法,采用改进的密度峰值聚类算法对缺陷特征进行聚类分析,消除人为因素对聚类过程的影响,将关联度高的特征聚类在同一簇中;之后通过计算聚类后各簇中各特征与缺陷数类别之间的Pearson相关系数进行排序,筛选出最优特征子集。实验结果表明,该方法可以有效消除特征数据中的部分冗余或无关特征,提高软件缺陷数据集的质量,进而提高软件缺陷数量预测的准确度。2.针对目前软件缺陷数量预测过程中存在的类不平衡问题,本文提出了一种基于混合采样和集成学习的HS-Stacking软件缺陷数量预测方法。首先引入边界信息和权重关系思想改进SMOTE算法,使改进的SMOTE过采样方法能够适用于缺陷数量预测过程中的数据过采样,然后采用改进的SMOTE过采样和随机向下采样相结合的混合采样方法平衡缺陷数据集;之后采用Stacking集成方法集成线性回归、支持向量回归、贝叶斯岭回归以及决策树回归算法构建Stacking集成学习模型,完成软件缺陷数量预测。实验结果表明,该方法不仅解决了缺陷数量预测过程中的类不平衡问题,还避免了预测过程的过拟合,有效提高了软件缺陷数量预测的准确度。3.针对新项目缺少足够的历史数据及不同项目间存在的数据分布差异问题,本文提出了一种基于深度学习的跨项目软件缺陷数量预测方法。主要将迁移学习与深度学习框架相结合,同时考虑不同项目之间存在的数据特征分布差异,在迁移深度学习框架中引入最大均值差异距离,提出了一种基于迁移堆叠降噪自编码器（Transfer Stacked Denoising AutoEncoders,TSDAEs）的跨项目软件缺陷数量预测方法。该方法将软件传统度量元作为网络输入,通过同时最小化源项目和目标项目特征数据的重构误差和不同项目之间的数据分布差异,提取源项目和目标项目之间基于传统软件度量的可迁移深层次特征,并基于可迁移的深层次特征完成跨项目的软件缺陷数量预测。实验结果表明,该方法可以有效提取不同项目之间的可迁移深层次特征,消除不同项目之间数据分布差异对预测过程的影响,进而提高了跨项目缺陷数量预测的准确度。