软件质量预测是对软件质量进行早期预测和控制的方法,其主要使用机器学习或者统计学方法来构建软件质量模型,并以此对软件中潜在的错误进行预测和预警。在软件开发和测试过程中正确预测和识别具有错误倾向的软件模块,可以帮助软件开发机构合理配置资源、降低研发成本、缩短产品开发周期,因此,有效的软件质量预测系统对于提高软件产品质量和企业声誉有着重要的工程意义和经济价值。传统软件质量预测的主要建模方法,在机器学习领域通常被称为监督学习方法,其要求训练过程中所用到的每个软件模块都要给出明确的质量标签。但是,准确可靠的软件质量标签只有经过详尽、完整的软件测试和对错误的精确定位才能得到,此过程耗时较长且成本较高,并且软件质量标签的可靠性还经常会被软件开发中的许多实际因素所削弱,这些都限制了软件质量预测模型的广泛使用。针对当前软件质量模型的不足,本论文旨在通过研究机器学习领域的一些新型广义半监督学习方法,探讨如何使用较少的软件质量标签来建立准确有效的软件质量模型,从而使其可以更快速、高效、经济和广泛地应用于实际的软件开发和测试中。半监督学习方法可以同时对有标签样本和无标签样本进行学习和训练,因此,基于半监督学习方法的软件质量系统具有构建快速、成本较低和应用范围广泛等优点。本文所研究的广义半监督学习方法主要包括多示例学习、结构化核函数方法和主动学习方法,目前,关于半监督学习方法在软件质量预测领域的研究还不多见,基于这三种新型广义半监督学习方法的软件质量模型也尚未见有文献报道。在对所研究广义半监督学习方法进行阐述之前,本文首先对传统软件质量预测领域的研究做了一个框架性的综述介绍。软件质量预测系统可以被分为四个主要的模块,即数据集构建、质量模型训练、模型的评估测试和不同算法模型比较。文中对每个部分的主要任务和相关的研究工作分别进行了阐述。在数据集构建中,系统主要对数据进行属性选择、归一化等预处理。数据集在预处理以后通常被划分为训练集和测试集,系统根据选定的具体算法在训练集上构建软件质量预测模型,并在测试集数据上进行测试。对于得到的模型需要进行参数计算以评估其性能,并以此对模型参数进行进一步的调整和优化。最后,根据一定的检验标准和具体的数据集,可以对基于不同算法的软件质量模型进行比较。此框架介绍中所涉及的具体内容包括软件质量概念、软件度量、各类统计和学习算法以及模型评估参数的选择策略。随后本文介绍了所研究的第一种广义半监督学习架构多示例学习方法,并创新性地将其引入到软件质量预测领域中。多示例学习方法使用由多个示例构成的示例包作为基本的学习对象,因此其在利用大量的软件模块信息的同时,只需要少量的软件质量标签就可以进行建模和预测。文中介绍了多示例学习(MIL)的基本概念和相关研究,随后将多示例学习与两种相关的监督学习架构SL-B和SL-I进行了深入的比较,并着重分析了SL-I对示例包产生错误分类的原因,给出了其理论表达式以及在多元正态分布假设下的近似估计。在实际工程数据集上的实验表明,多示例方法比SL-B的预测效果更好,并可以使用较少的质量标签构建与SL-I预测准确度相当的软件质量模型。然后,本文将面向对象型软件中的软件模块视为更加复杂的结构化数据,并引入新型的结构化核函数方法进行了软件质量建模和分类预测研究。文中介绍了结构化核函数及其相关研究,概述了新型学习算法支持向量机(SVM)的理论研究和一些支持向量机,并提出了使用结构化核函数方法对软件对象进行知识表示、模型构建和训练的流程,和一种新颖的分层核函数。在由二分树构成的人工数据集和实际工业软件数据集上的实验表明,与传统的监督学习方法相比,结构化核函数方法对于树形的结构化数据普遍有着较好的分类效果。相比于实验中的其它核函数,分层核函数能够更好地学习和预测面向对象软件中的结构化软件模块。在与前文的多示例学习方法进行的对比中发现,多示例学习对于具有上下层关系的软件模块具有普适性,但是随着模块结构的进一步复杂化,其预测准确率会逐渐降低,而结构化核函数方法,特别是分层核函数则在学习复杂结构化数据方面显示出较好的性能,因此其更适用于面向对象型软件中的软件质量预测。区别于前两种广义半监督学习方法的聚类策略,本文随后研究了采用主动选择策略的主动学习方法在软件质量预测中的应用。与传统监督学习批量性、一次性训练所有样本的方法不同,主动学习方法通过主动选择、逐次询问和增长性学习的方法来构建模型。其主要优点在于可以在不明显损失学习精度的情况下,利用主动选择的少量样本即可进行建模。文中介绍了主动学习方法的基本知识、相关研究和关键性问题。在具体的软件工程数据集上对两种典型的池式主动学习算法和一种新型的流式主动学习算法进行了实验研究。结果表明选用的主动学习算法可以使用数据集百分之十左右的样本有效地构建软件质量模型,其效果仅略逊于使用全部样本的监督学习式模型。因此,基于主动学习的软件质量预测对于指导灵活、快速的软件测试具有很强的应用潜力和工程价值。另外,文中还对三种学习方法进行了综合比较。最后,本文归纳了采用广义半监督学习进行软件质量预测的一些主要研究结论,并对未来工作作了一些展望。本文使用的实际数据集都来源于大型的重要软件工程,其中的一些数据集和软件质量模型出自过去三年中在阿尔卡特-朗讯公司光网络部的实际应用,从而保证了本文所提出的新型软件质量预测方法和模型除了在理论上具有创新性外,同时还具有很强的工程实用性。