复杂网络在过去三十年间迅猛发展,成为一个多学科交融的新兴热点研究领域。复杂网络理论被引入软件工程领域,研究人员尝试应用复杂网络理论研究各种复杂软件系统。这种利用“复杂网络”来描述软件系统内部结构的网络通常被称为“软件网络”。近年来,研究人员从“软件网络”角度对软件系统的复杂性开展研究。软件网络作为软件系统的结构化表示,具备复杂网络的三大基本特性:“小世界”、“无标度”和“分形”。“小世界”和“无标度”作为复杂网络的传统基本特性,已经有大量文献对其进行研究。相比之下,分形特征作为复杂网络的新基本特性,在软件工程领域内对它的研究仍然比较匮乏。分形特征所具备的各种性质尚待挖掘。现有的软件分形相关的研究工作主要探究了软件分形特征的度量方法,软件的分形特征与软件系统的复杂性和软件质量的相关性。研究工作主要基于类粒度的软件网络开展,度量的是整个软件的分形特征,研究粒度较粗。由于缺少相应的技术,人们还未从更精细的粒度（如方法/属性粒度）对软件的分形特征展开研究。同时,尽管软件分形特征可以衡量软件质量,但是大多数工作仍停留于利用软件分形特征刻画软件复杂性。如何将软件分形应用于缺陷预测等实际质量保证活动中,仍有待研究。由此可见,软件系统分形特征不论在研究深度（如基于其他更精细粒度的软件分形特征研究）还是研究广度（如软件分形特征的应用实践）上都还有很大的探索和改进空间。本文基于特征（方法和属性）粒度的软件网络对类的分形特征开展研究。首先,引入复杂网络中的理论,构建了针对类的特征依赖网络（Feature Level Software Network,FLSN）。然后,以FLSN作为探究类的分形特征的起点,提出度量类分形特征的度量指标——类的分形维数（Fractal dimension for Classes,FDC）,进而分析了FDC与类复杂性和类缺陷倾向性的关系。数个开源软件上的数据实验表明,本文提出的方法是可行的和有效的。本文从特征粒度重新审视软件的分形特征及复杂性,并创新地将分形维数应用于软件质量保证领域。本文的主要研究内容如下:1)基于特征依赖网络的软件分形特征分析本文基于特征（方法和属性）依赖网络FLSN进行软件系统类的分形特征分析。FLSN将类的特征作为节点,特征之间的依赖关系（主要是指方法之间的调用关系MEC和方法与属性之间的访问关系ACC）作为边。基于FLSN,提出FDC度量元来度量类的分形特征,并从理论与实验两个方面验证FDC度量元的性质和有效性。理论研究表明,FDC满足Weyuker九大标准中的八种,是一个具有Weyuker理论支撑的复杂性度量。同时,本文在18个开源软件上的数据实验表明,FDC度量元不仅能刻画传统类复杂性度量元未曾刻画的类复杂性的新维度;而且还与类缺陷数量之间存在强相关性。2)基于类分形维数的代价敏感缺陷预测方法研究本文以FDC度量元和传统的类复杂性度量元为特征,构建了一个代价敏感缺陷预测模型,用于在考虑代价的情况下,预测类中的缺陷。首先,本文将软件结构表示为FLSN,进而计算每个类的分形维数FDC;然后,从软件系统提取出每个类中所需的信息构建更为精细的类依赖网络（Precise Class Dependency Network,PCDNet）,并且通过PCDNet来计算每个类的度量指标用以构建模型;最后,使用逻辑回归模型评价每个类引入缺陷的相对风险（缺陷倾向性）。本文使用17个开源软件构成的数据集检验方法的有效性。Friedman检验表明,FDC度量能够改进现有的代价敏感缺陷预测模型的有效性,在预测软件类的缺陷方面提供了更好的结果。