在软件工程中,软件缺陷是对软件质量影响最大的因素。人工审查代码的速度和效率已经日趋不能满足软件系统生产发展的需要,因此,高效的软件缺陷预测变得愈发重要。本文针对软件缺陷预测中的特征选择问题进行了深入研究,以支持向量机为分类器,搭建了软件缺陷预测模型,并使用多个评价指标检验软件缺陷模型的性能。主要研究内容如下:首先,提出了一种基于多种关联性指标的综合排序过滤式特征选择算法。为了合理的评价特征与标签的关系,该算法从统计学、概率学和样本关系三个不同角度考虑,基于平等性原则综合评价特征,使用动态自动阈值调整策略自动选择特征子集,根据特征与标签的关联度来对缺陷数据进行降维。其次,本文提出了一种基于聚类的包裹式特征选择算法。为降低特征之间的冗余性,该算法通过皮尔逊相关系数度量特征彼此的关系,使用层次凝聚聚类算法进行特征聚类。按照包裹式特征的思想,采用前向选取策略,逐步选取簇中的最优特征,直至模型性能不再提升,至此完成特征选择。此算法根据特征之间的关系进行聚类分析,降低了特征子集中的冗余性。再次,本文建立了一个基于多层特征选择的软件缺陷预测模型。采用多层特征选择方法,遵循“最大相关最小冗余”策略,使用支持向量机为基础分类器,以此来搭建软件缺陷预测模型,实现对软件缺陷的预测。最后,使用NASA的公共软件缺陷数据集SDP进行了实验,验证了本文所提出的特征选择算法的有效性,并将本文的软件缺陷预测模型与其他学者的模型进行了对比,并对实验结果进行分析。