本站小編為你精心準備了研討數據挖掘在軟件工程的運用參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

1數據挖掘技術在軟件工程中的應概述

1.1挖掘執行記錄

執行記錄的挖掘，主要對程序執行路徑進行分析，進而找出程序代碼中所具有的關聯關系。其應用的本質是通過跟蹤相應的執行路徑，然后通過逆向建模實現其目的，其作用在于維護、驗證和了解程序。執行記錄挖掘的應用過程，通常是先初步插裝被分析的系統，并對由挖掘軟件對應用編程接口，或是基本的系統和模塊調用的狀態變量進行記錄，最后約簡、聚類和過濾目標跟蹤所得的信息，最終使其成為能夠表征系統功能的模型。

1.2檢測漏洞

軟件漏洞檢測的目的，主要在于及時的找出軟件開發中存在的漏洞或錯誤，確保能夠得到盡快的修復和完善，確保軟件的質量及可靠性。一般數據挖掘技術應用于軟件漏洞的檢測，首先需確定對應的軟件測試項目，并基于用戶的需求，規劃出軟件測試的具體內容，進而決定該用什么樣的方式進行測試，從而制定出對策和計劃；然后收集漏洞庫數據，實施數據的清理和轉換。對所需采集的數據和信息進行分析，選取和軟件缺陷相關聯的數據集，將多余的、不需要的數據清理后，再對丟失的項目采取補充措施，轉換數據屬性為數值表示。其次選取恰當的數據模型，進行驗證和訓練。需結合項目的實際需求，對其挖掘方式進行選擇，促使其成為測試集、訓練機集，進而比較所有的結果，找出最合理和符合需求的方式。同時還需應用上面所提的方法，描述、定位和分類軟件的漏洞，并將漏洞庫數據的收集應用到軟件的數據庫，并將未知漏洞找出，然后結合相應規則描述其漏洞，進一步的分類；并在最后把挖掘出的數據知識用到軟件測試的項目中。

1.3挖掘開源軟件

開源軟件挖掘項目的開發環境具有開放性、全局性和動態性，因此，對于該類軟件的開發管理，需和其他的傳統軟件相區別。通常情況下，比較成熟的開源軟件項目，對于參與其中的錯誤報告、開發者活動和軟件的應用具有較為完整的記錄。參與開發的人員，能夠組成典型的社會網絡，但因為其具有的開放性，致使參與的人員處于不斷的變化當中。同時對于開源軟件中具有的動態性特征的挖掘，可實現開源項目的優質管理。例如，由牛津大學所開發的系統Sima，便可對開源項目的使用者和跟蹤者實施系統性的跟蹤管理。

1.4挖掘版本控制的信息

版本控制系統的應用，主要是為保證項目參與者共同編輯的同一檔案的統一性，以便全局性的更新。當前的軟件工程開發應用中，大部分均會應用版本控制系統實施軟件開發工作的管理和保護。并且挖掘版本信息控制的應用方式，主要是對變更歷史信息的挖掘，其應用可找出不同模塊，以及子系統之間所存在的相互依存的關系，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。這類挖掘技術的應用，能夠有效的將系統后期維護成本降低，避免因為后期變更所產生的漏洞，進而具有對后期的軟件維護、警示作用。

2數據挖掘技術在軟件工程中的應用方法

2.1關聯方法

挖掘技術應用與軟件工程中的關聯方法，其規則在于發現大量數據中所具有的相關聯系及有趣關聯。并且關聯規則具有兩個重要特征，其一為支持度，表示為P（A∪B），表明A、B兩個子集在事物集中出現的概率是相同的；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也會出現。

2.2分類方法

分類方式的應用，主要是對離散值和分類標號進行操作，一般情況下，首先需建立起相應的模型，對其概念集和數據類集進行描述，之后應用模型完成分類。常用的分類方法是判定樹法，主要包括神經網絡分類法、貝葉斯法、K-最臨近法和支持向量機法等。其中判定樹法的應用基礎為貪心算法，應用自上至下遞歸的構造方式，對其樹、葉子節點等實施相應的類別標號，并確定最終的分類結果。另外常用的判定樹法為支持向量機和K-最臨近分類法等。K-最臨近分類法應用的基本理為：若某個樣本位于特征空間中時，應有K個最相似樣本的大多數，稱為一個類別，并且其樣本也歸屬于這一類別。這類計算方法對于容量較大的自動分類較為適用，若是用以樣本容量比較的分類，則很容易導致錯誤產生。

2.3聚類方法

聚類方式的應用，顧名思義，便是把對象數據分為多個簇或類，并且保證統一類或簇中的數據的相似度較高，同時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、基于網格的方法和層次方法。聚類分析的輸入為一組有序對（X，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。聚類系統的輸出為某個分區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行分析，其基本的應用理論為根據所給出的n個對象數據集加以應用。其中劃分聚類方法的應用，便為應用構造出k的劃分，并且每一個劃分區域均代表某一個簇，并且需保證k≤n。k個劃分應滿足相關的條件。首先應讓每個簇中均含一個對象；其次，每個對象有且僅屬于某個簇。而給定k的算法，應在結合劃分方法，通過迭代的改變來劃分，確保每一次的迭代后，均優于未迭代之前，劃分最好的標準為統一簇中的對象最為接近，不同簇中的對象差異最明顯。

3結束語

由于軟件工程的復雜化發展，促使軟件的開發更加需要能夠量化且測量精準的工具，數據挖掘的應用可較大的滿足軟件開發者對于這一方面的需求。特別在近年來，數據挖掘技術應用于軟件工程，具有較好的經濟效益，并且其驗證測試，以及開發過程均能為應用者提供可靠的決策信息。因此，應推進數據挖掘技術在軟件工程中的應用，促進其更深層次的發展和應用。

作者：雷蕾單位：南陽理工學院