前言：尋找寫作靈感？中文期刊網(wǎng)用心挑選的軟件工程中的數(shù)據(jù)挖掘綜述，希望能為您的閱讀和創(chuàng)作帶來靈感，歡迎大家閱讀并分享。

一、數(shù)據(jù)挖掘技術(shù)在軟件工程中的應(yīng)概述

1、挖掘執(zhí)行記錄

其應(yīng)用的本質(zhì)是通過跟蹤相應(yīng)的執(zhí)行路徑，然后通過逆向建模實(shí)現(xiàn)其目的，其作用在于維護(hù)、驗(yàn)證和了解程序。執(zhí)行記錄挖掘的應(yīng)用過程，通常是先初步插裝被分析的系統(tǒng)，并對由挖掘軟件對應(yīng)用編程接口，或是基本的系統(tǒng)和模塊調(diào)用的狀態(tài)變量進(jìn)行記錄，最后約簡、聚類和過濾目標(biāo)跟蹤所得的信息，最終使其成為能夠表征系統(tǒng)功能的模型。

2、檢測漏洞

軟件漏洞檢測的目的，主要在于及時(shí)的找出軟件開發(fā)中存在的漏洞或錯(cuò)誤，確保能夠得到盡快的修復(fù)和完善，確保軟件的質(zhì)量及可靠性。一般數(shù)據(jù)挖掘技術(shù)應(yīng)用于軟件漏洞的檢測，首先需確定對應(yīng)的軟件測試項(xiàng)目，并基于用戶的需求，規(guī)劃出軟件測試的具體內(nèi)容，進(jìn)而決定該用什么樣的方式進(jìn)行測試，從而制定出對策和計(jì)劃；然后收集漏洞庫數(shù)據(jù)，實(shí)施數(shù)據(jù)的清理和轉(zhuǎn)換。對所需采集的數(shù)據(jù)和信息進(jìn)行分析，選取和軟件缺陷相關(guān)聯(lián)的數(shù)據(jù)集，將多余的、不需要的數(shù)據(jù)清理后，再對丟失的項(xiàng)目采取補(bǔ)充措施，轉(zhuǎn)換數(shù)據(jù)屬性為數(shù)值表示。其次選取恰當(dāng)?shù)臄?shù)據(jù)模型，進(jìn)行驗(yàn)證和訓(xùn)練。需結(jié)合項(xiàng)目的實(shí)際需求，對其挖掘方式進(jìn)行選擇，促使其成為測試集、訓(xùn)練機(jī)集，進(jìn)而比較所有的結(jié)果，找出最合理和符合需求的方式。同時(shí)還需應(yīng)用上面所提的方法，描述、定位和分類軟件的漏洞，并將漏洞庫數(shù)據(jù)的收集應(yīng)用到軟件的數(shù)據(jù)庫，并將未知漏洞找出，然后結(jié)合相應(yīng)規(guī)則描述其漏洞，進(jìn)一步的分類；并在最后把挖掘出的數(shù)據(jù)知識用到軟件測試的項(xiàng)目中。

3、挖掘開源軟件

開源軟件挖掘項(xiàng)目的開發(fā)環(huán)境具有開放性、全局性和動(dòng)態(tài)性，因此，對于該類軟件的開發(fā)管理，需和其他的傳統(tǒng)軟件相區(qū)別。通常情況下，比較成熟的開源軟件項(xiàng)目，對于參與其中的錯(cuò)誤報(bào)告、開發(fā)者活動(dòng)和軟件的應(yīng)用具有較為完整的記錄。參與開發(fā)的人員，能夠組成典型的社會(huì)網(wǎng)絡(luò)，但因?yàn)槠渚哂械拈_放性，致使參與的人員處于不斷的變化當(dāng)中。同時(shí)對于開源軟件中具有的動(dòng)態(tài)性特征的挖掘，可實(shí)現(xiàn)開源項(xiàng)目的優(yōu)質(zhì)管理。例如，由牛津大學(xué)所開發(fā)的系統(tǒng)Sima，便可對開源項(xiàng)目的使用者和跟蹤者實(shí)施系統(tǒng)性的跟蹤管理。

4、挖掘版本控制的信息

版本控制系統(tǒng)的應(yīng)用，主要是為保證項(xiàng)目參與者共同編輯的同一檔案的統(tǒng)一性，以便全局性的更新。當(dāng)前的軟件工程開發(fā)應(yīng)用中，大部分均會(huì)應(yīng)用版本控制系統(tǒng)實(shí)施軟件開發(fā)工作的管理和保護(hù)。并且挖掘版本信息控制的應(yīng)用方式，主要是對變更歷史信息的挖掘，其應(yīng)用可找出不同模塊，以及子系統(tǒng)之間所存在的相互依存的關(guān)系，并深化對程序中未來變化和引入方式可能存在漏洞的檢測。這類挖掘技術(shù)的應(yīng)用，能夠有效的將系統(tǒng)后期維護(hù)成本降低，避免因?yàn)楹笃谧兏a(chǎn)生的漏洞，進(jìn)而具有對后期的軟件維護(hù)、警示作用。

二、數(shù)據(jù)挖掘技術(shù)在軟件工程中的應(yīng)用方法

1、關(guān)聯(lián)方法

挖掘技術(shù)應(yīng)用與軟件工程中的關(guān)聯(lián)方法，其規(guī)則在于發(fā)現(xiàn)大量數(shù)據(jù)中所具有的相關(guān)聯(lián)系及有趣關(guān)聯(lián)。并且關(guān)聯(lián)規(guī)則具有兩個(gè)重要特征，其一為支持度，表示為P（A∪B），表明A、B兩個(gè)子集在事物集中出現(xiàn)的概率是相同的；其二為置信度，可表示為P（B｜A），說明A在事物集中所具有的概率，同樣B也會(huì)出現(xiàn)。

2、分類方法

分類方式的應(yīng)用，主要是對離散值和分類標(biāo)號進(jìn)行操作，一般情況下，首先需建立起相應(yīng)的模型，對其概念集和數(shù)據(jù)類集進(jìn)行描述，之后應(yīng)用模型完成分類。常用的分類方法是判定樹法，主要包括神經(jīng)網(wǎng)絡(luò)分類法、貝葉斯法、K-最臨近法和支持向量機(jī)法等。其中判定樹法的應(yīng)用基礎(chǔ)為貪心算法，應(yīng)用自上至下遞歸的構(gòu)造方式，對其樹、葉子節(jié)點(diǎn)等實(shí)施相應(yīng)的類別標(biāo)號，并確定最終的分類結(jié)果。另外常用的判定樹法為支持向量機(jī)和K-最臨近分類法等。K-最臨近分類法應(yīng)用的基本理為：若某個(gè)樣本位于特征空間中時(shí)，應(yīng)有K個(gè)最相似樣本的大多數(shù)，稱為一個(gè)類別，并且其樣本也歸屬于這一類別。這類計(jì)算方法對于容量較大的自動(dòng)分類較為適用，若是用以樣本容量比較的分類，則很容易導(dǎo)致錯(cuò)誤產(chǎn)生。

3、聚類方法

聚類方式的應(yīng)用，顧名思義，便是把對象數(shù)據(jù)分為多個(gè)簇或類，并且保證統(tǒng)一類或簇中的數(shù)據(jù)的相似度較高，同時(shí)不同類或簇中的對象具有明顯的差別。常用的聚類方法主要有劃分方法、基于密度的方法、基于模型的方法、基于網(wǎng)格的方法和層次方法。聚類分析的輸入為一組有序?qū)Γ╔，d）或（X，s），其中X所代表的是一組樣本，d和s表示的是相異度或相似度。聚類系統(tǒng)的輸出為某個(gè)分區(qū)C={C1，C2，…，Ck}，Ci為X子集，也被稱為類。本文就劃分聚類法為例進(jìn)行分析，其基本的應(yīng)用理論為根據(jù)所給出的n個(gè)對象數(shù)據(jù)集加以應(yīng)用。其中劃分聚類方法的應(yīng)用，便為應(yīng)用構(gòu)造出k的劃分，并且每一個(gè)劃分區(qū)域均代表某一個(gè)簇，并且需保證k≤n。k個(gè)劃分應(yīng)滿足相關(guān)的條件。首先應(yīng)讓每個(gè)簇中均含一個(gè)對象；其次，每個(gè)對象有且僅屬于某個(gè)簇。而給定k的算法，應(yīng)在結(jié)合劃分方法，通過迭代的改變來劃分，確保每一次的迭代后，均優(yōu)于未迭代之前，劃分最好的標(biāo)準(zhǔn)為統(tǒng)一簇中的對象最為接近，不同簇中的對象差異最明顯。

三、結(jié)束語

由于軟件工程的復(fù)雜化發(fā)展，促使軟件的開發(fā)更加需要能夠量化且測量精準(zhǔn)的工具，數(shù)據(jù)挖掘的應(yīng)用可較大的滿足軟件開發(fā)者對于這一方面的需求。特別在近年來，數(shù)據(jù)挖掘技術(shù)應(yīng)用于軟件工程，具有較好的經(jīng)濟(jì)效益，并且其驗(yàn)證測試，以及開發(fā)過程均能為應(yīng)用者提供可靠的決策信息。因此，應(yīng)推進(jìn)數(shù)據(jù)挖掘技術(shù)在軟件工程中的應(yīng)用，促進(jìn)其更深層次的發(fā)展和應(yīng)用。

作者：雷蕾 單位：南陽理工學(xué)院