软件缺陷预测(software defect prediction)是当前软件工程数据挖掘领域中的一个研究热点,软件缺陷预测首先挖掘软件历史仓库(software historical repositories),从中抽取程序模块并进行类型标记。随后通过分析软件代码或开发过程,设计出与软件缺陷存在相关性的度量元(metrics),并借助这些度量元对程序模块进行软件度量。在实际的软件开发过程中,需要进行缺陷预测的项目(即目标项目)可能是一个全新项目,或这个项目已有的训练数据较少。因此,如何有效地迁移源项目知识来为目标项目构造缺陷预测模型的问题称为跨项目缺陷预测(cross-project defect prediction,简称CPDP)问题。论文重点针对同构跨项目缺陷预测问题,该问题假设源项目与目标项目采用相同的度量元。基于上述假设,论文提出一种新的基于Box-Cox转换的集成跨项目软件缺陷预测方法BCEL方法(a Box-Cox transformation based Ensemble Learning approach),该方法主要包括四个阶段:第一个阶段通过使用不同的距离计算公式(包括欧式距离、余弦相似度、相关系数)进行实例选择,从候选集中获取不同的训练集;第二个阶段采用Box-Cox对这些数据集进行度量元取值转换;第三个阶段借助特定的分类方法(如Logistic回归)构造不同的基分类器并分析对应预测模型的预测结果是否具有多样性;第四个阶段如果预测结果具有多样性,则借助集成学习进一步提高模型的预测性能。在实证研究中,论文主要采用AEEEM数据集,评估模型性能采用的指标是F-measure。选择了三种基于不同距离计算的基准方法,其中基准方法ED是仅基于欧氏距离的实例选择方法;基准方法CS是仅基于余弦相似度的实例选择方法;基准方法CC是仅基于相关系数的实例选择方法。实证研究结果表明,BCEL方法可以让跨项目缺陷预测取得更好的预测性能。在跨项目缺陷预测上,BCEL方法相对于ED方法提升了35.9%,相对于CS方法提升了20.5%,相对于CC方法提升了24%。除此之外,基于实例选择的集成跨项目缺陷预测框架,实现了一个原型工具可以有效支撑上述方法。