研讨数据挖掘在软件工程的运用范文

1数据挖掘技术在软件工程中的应概述

1.1挖掘执行记录

执行记录的挖掘，主要对程序执行路径进行分析，进而找出程序代码中所具有的关联关系。其应用的本质是通过跟踪相应的执行路径，然后通过逆向建模实现其目的，其作用在于维护、验证和了解程序。执行记录挖掘的应用过程，通常是先初步插装被分析的系统，并对由挖掘软件对应用编程接口，或是基本的系统和模块调用的状态变量进行记录，最后约简、聚类和过滤目标跟踪所得的信息，最终使其成为能够表征系统功能的模型。

1.2检测漏洞

软件漏洞检测的目的，主要在于及时的找出软件开发中存在的漏洞或错误，确保能够得到尽快的修复和完善，确保软件的质量及可靠性。一般数据挖掘技术应用于软件漏洞的检测，首先需确定对应的软件测试项目，并基于用户的需求，规划出软件测试的具体内容，进而决定该用什么样的方式进行测试，从而制定出对策和计划；然后收集漏洞库数据，实施数据的清理和转换。对所需采集的数据和信息进行分析，选取和软件缺陷相关联的数据集，将多余的、不需要的数据清理后，再对丢失的项目采取补充措施，转换数据属性为数值表示。其次选取恰当的数据模型，进行验证和训练。需结合项目的实际需求，对其挖掘方式进行选择，促使其成为测试集、训练机集，进而比较所有的结果，找出最合理和符合需求的方式。同时还需应用上面所提的方法，描述、定位和分类软件的漏洞，并将漏洞库数据的收集应用到软件的数据库，并将未知漏洞找出，然后结合相应规则描述其漏洞，进一步的分类；并在最后把挖掘出的数据知识用到软件测试的项目中。

1.3挖掘开源软件

开源软件挖掘项目的开发环境具有开放性、全局性和动态性，因此，对于该类软件的开发管理，需和其他的传统软件相区别。通常情况下，比较成熟的开源软件项目，对于参与其中的错误报告、开发者活动和软件的应用具有较为完整的记录。参与开发的人员，能够组成典型的社会网络，但因为其具有的开放性，致使参与的人员处于不断的变化当中。同时对于开源软件中具有的动态性特征的挖掘，可实现开源项目的优质管理。例如，由牛津大学所开发的系统Sima，便可对开源项目的使用者和跟踪者实施系统性的跟踪管理。

1.4挖掘版本控制的信息

版本控制系统的应用，主要是为保证项目参与者共同编辑的同一档案的统一性，以便全局性的更新。当前的软件工程开发应用中，大部分均会应用版本控制系统实施软件开发工作的管理和保护。并且挖掘版本信息控制的应用方式，主要是对变更历史信息的挖掘，其应用可找出不同模块，以及子系统之间所存在的相互依存的关系，并深化对程序中未来变化和引入方式可能存在漏洞的检测。这类挖掘技术的应用，能够有效的将系统后期维护成本降低，避免因为后期变更所产生的漏洞，进而具有对后期的软件维护、警示作用。

2数据挖掘技术在软件工程中的应用方法

2.1关联方法

挖掘技术应用与软件工程中的关联方法，其规则在于发现大量数据中所具有的相关联系及有趣关联。并且关联规则具有两个重要特征，其一为支持度，表示为P（A∪B），表明A、B两个子集在事物集中出现的概率是相同的；其二为置信度，可表示为P（B｜A），说明A在事物集中所具有的概率，同样B也会出现。

2.2分类方法

分类方式的应用，主要是对离散值和分类标号进行操作，一般情况下，首先需建立起相应的模型，对其概念集和数据类集进行描述，之后应用模型完成分类。常用的分类方法是判定树法，主要包括神经网络分类法、贝叶斯法、K-最临近法和支持向量机法等。其中判定树法的应用基础为贪心算法，应用自上至下递归的构造方式，对其树、叶子节点等实施相应的类别标号，并确定最终的分类结果。另外常用的判定树法为支持向量机和K-最临近分类法等。K-最临近分类法应用的基本理为：若某个样本位于特征空间中时，应有K个最相似样本的大多数，称为一个类别，并且其样本也归属于这一类别。这类计算方法对于容量较大的自动分类较为适用，若是用以样本容量比较的分类，则很容易导致错误产生。

2.3聚类方法

聚类方式的应用，顾名思义，便是把对象数据分为多个簇或类，并且保证统一类或簇中的数据的相似度较高，同时不同类或簇中的对象具有明显的差别。常用的聚类方法主要有划分方法、基于密度的方法、基于模型的方法、基于网格的方法和层次方法。聚类分析的输入为一组有序对（X，d）或（X，s），其中X所代表的是一组样本，d和s表示的是相异度或相似度。聚类系统的输出为某个分区C={C1，C2，…，Ck}，Ci为X子集，也被称为类。本文就划分聚类法为例进行分析，其基本的应用理论为根据所给出的n个对象数据集加以应用。其中划分聚类方法的应用，便为应用构造出k的划分，并且每一个划分区域均代表某一个簇，并且需保证k≤n。k个划分应满足相关的条件。首先应让每个簇中均含一个对象；其次，每个对象有且仅属于某个簇。而给定k的算法，应在结合划分方法，通过迭代的改变来划分，确保每一次的迭代后，均优于未迭代之前，划分最好的标准为统一簇中的对象最为接近，不同簇中的对象差异最明显。

3结束语

由于软件工程的复杂化发展，促使软件的开发更加需要能够量化且测量精准的工具，数据挖掘的应用可较大的满足软件开发者对于这一方面的需求。特别在近年来，数据挖掘技术应用于软件工程，具有较好的经济效益，并且其验证测试，以及开发过程均能为应用者提供可靠的决策信息。因此，应推进数据挖掘技术在软件工程中的应用，促进其更深层次的发展和应用。

作者：雷蕾单位：南阳理工学院