在软件系统长生命周期中,软件演化是一个必然过程,软件可演化性预测是决定是否执行演化活动的先决条件,准确的软件可演化性预测能对软件演化过程起到重要的决策支持和指导意义。软件可演化性预测针对软件演化活动的容易程度建立预测模型,并在此基础上实现可演化性评价。但是目前针对软件可演化性预测的研究普遍存在数据分布不平衡问题,因此经过20多年的发展预测分析精度始终不高,而且由于训练数据标记过程需要巨大开销,导致现有方法无法适用于实际演化活动中。针对上述问题,基于面向对象软件系统,本文提出了一种基于半监督数据分组技术的软件可演化性预测方法SGMDH,该方法利用数据采样缓解数据分布不平衡问题,并基于半监督思想结合数据分组方法利用部分带标签数据建立可演化性预测模型,同时基于集成学习方法构建了集成预测模型。通过在用户界面管理系统(UIMS)数据集和质量评估系统(QUES)数据集上进行实验,结果表明,本文基于采样的半监督模型和集成模型均比传统非采样基线方法表现出更好的预测性能,而本文提出的SGMDH模型和基于决策树的集成模型分别表现出较出色的预测能力,但是本文半监督方法较集成方法具有更强的泛化能力和更高的应用价值,由此验证了本文SGMDH方法在软件可演化性预测上的有效性。