软件缺陷预测技术通过对软件历史数据进行分析,利用分类、排序等模型,识别潜在有缺陷的软件模块。软件缺陷预测模型构建过程中,有缺陷样本数远小于无缺陷样本数,且分布不均匀,存在严重的类间不平衡和类内不平衡问题,这两种情况都会对构建预测模型产生负面影响。为了减少数据不平衡对预测模型的影响,在软件缺陷预测模型构建的四个阶段都存在相应的方法对数据不平衡进行修正,包括数据采样、特征提取、分类器优化以及评价标准。其中数据采样是缺陷预测模型构建的初始阶段,在初始阶段对数据不平衡进行修正可直接减小后续阶段执行的复杂度。处理类不平衡问题的常用数据采样方法通过调整样本的数量达到类间平衡,但分布通常遵循原有分布,类内平衡没有改善。本文针对样本分布,提出一种软件缺陷预测类不平衡数据生成方法,根据样本特征空间中分布情况进行聚类划分,对划分后的子区域依据不同分布情况采用不同策略进行有缺陷样本数据合成,通过增加数量达到有缺陷和无缺陷样本类间平衡,通过不同区域数据生成密度的不同改善有缺陷样本类内分布。为了验证本文方法的有效性,本文在9个已公开缺陷预测数据集上进行了实验,对比了本文方法与现有数据生成方法,并在不同分类算法下对本文方法进行了实验。结果表明,本文所提出的基于分布的软件缺陷预测数据生成方法通过对样本进行划分,在不同分布区域内采用不同数据生成策略,在增加有缺陷样本数量使类间平衡的同时使其类内也平衡,进而提升分类器的分类性能,减少了数据不平衡对软件缺陷预测结果的影响。