克隆代碼有害性預(yù)測中分類不平衡問題的解決方法

王歡+張麗萍+閆盛

摘 要：針對克隆代碼有害性預(yù)測中有害和無害數(shù)據(jù)分類不平衡的問題，提出一種基于隨機下采樣（RUS）的能夠自動調(diào)整分類不平衡的K-Balance算法。首先對克隆代碼提取靜態(tài)特征和演化特征構(gòu)建樣本數(shù)據(jù)集；然后選取比例不同的分類不平衡新數(shù)據(jù)集；接著對已選取的新數(shù)據(jù)集進行有害性預(yù)測；最后，通過觀察分類器的不同表現(xiàn)自動選擇一個最適合的分類不平衡比例值。在7款C語言開源軟件共170個版本上對克隆有害性預(yù)測模型的性能進行評估，并和其他分類不平衡解決方法進行對比，實驗結(jié)果表明所提方法對有害和無害克隆的分類預(yù)測效果（受試者工作特征曲線下方面積（AUC）值）提高了2.62個百分點～36.70個百分點，能有效地改善分類不平衡的預(yù)測問題，為軟件質(zhì)量評估提供了參考。

關(guān)鍵詞：克隆代碼；有害性；不平衡分類；隨機下采樣；參數(shù)搜索

中圖分類號： TP311.5

文獻標志碼：A

文章編號：1001-9081（2016）12-3468-08