随着社会的发展,软件的多样性以及普遍性已经渗入到人们的生活中,软件的可靠性是人们进行日常交易的重要保证,很多因素会对软件系统的可靠性造成威胁,而软件缺陷的存在是其主要因素之一。及时发现软件中潜在的缺陷,有助于提高软件的质量,节约成本。根据收集的已有的软件缺陷数据,软件缺陷预测技术可以对新的模块进行缺陷预测。然而,在软件缺陷预测中,标记样本难以获取,而且软件缺陷数据集中缺陷模块的数量远低于无缺陷模块的数量,即数据集是分类不平衡的,因此会对软件模块的预测结果造成一定的影响。为了解决以上问题,本文运用机器学习技术建立了一种新的软件缺陷预测模型。本文的主要工作有:(1)为了解决标记样本不足以及分类不平衡的情况,本文提出一种半监督集成学习软件缺陷预测模型(Tri_Adaboost)。一方面利用欠采样方法以及半监督学习方法Tri-training对标记样本集进行扩充,随机选取一部分无标记样本进行预标注,缓解标记样本不足的问题;另一方面,由于经过扩充后的标记样本集依然是一个不平衡数据集,为了提高预测模型的性能,在对扩充后的数据集进行分类预测之前,使用SMOTE算法对其进行采样,然后使用Adaboost集成方法分类预测。实验结果表明,本文提出的方法能明显提高模型的预测性能。(2)基于开源项目下生成了空指针引用缺陷数据集。由于大多数情况下对软件缺陷预测模型进行验证时使用的数据集都是基于模块的,即数据集中只指出具体的某一模块存在缺陷,但是并未指出模块中缺陷的类型。为了验证本文提出模型的有效性,对开源项目中存在的空指针引用缺陷进行提取,根据软件度量信息,生成空指针引用缺陷数据集。(3)使用NASA MDP数据集和基于开源项目下生成的空指针引用缺陷数据集对本文提出的预测模型进行验证,经过对比分析,Tri_Adaboost算法在F-measure和AUC上均能取得较高的值。