1.一种基于GitHub的半监督异构软件缺陷预测算法，其特征在于，所述基于GitHub的半监督异构软件缺陷预测算法包括以下步骤：步骤(1)、收集数据建立数据库；

步骤(2)、数据预处理，包括数据规范化和数据过滤；

步骤(3)、匹配源数据和目标数据，引入统一度量表示(UMR)和典型相关分析方法(CCA)；

步骤(4)、半监督判别分析；

步骤(5)、核半监督判别分析；

步骤(6)、代价敏感核半监督判分析。

2.根据权利要求1所述的一种基于GitHub的半监督异构软件缺陷预测算法，其特征在于，所述步骤(1)的具体做法是：在GitHub上收集数据，所述收集数据包括项目选择、特征提取和清理数据集，所述项目选择包括选择3个语言标记(Python，Java，C)作为关键字，由“most star”排序标记，从排序列表的顶部筛选出20个项目，所述特征提取包括使用“Understand”工具，提取代码度量，所述代码度量为文件静态代码度量，使用Scitools获得代码度量标准，所述清理数据集包括采用人工筛选对缺失值和显著误差值进行筛选。

3.根据权利要求1所述的一种基于GitHub的半监督异构软件缺陷预测算法，其特征在于，所述步骤(2)中数据预处理使用min-max规范化，给定一个度量x，规范化值x′,计算为:所述数据过滤为knn滤波器过滤跨公司数据的方法，使用数据筛选器代替所有跨公司数据，选择源和目标跨公司项目之间的公共属性，对于目标数据中的每个实例，选择k近邻来度量相似度，使用常见的特性进行过滤，获得与目标数据集相似的源数据集的筛选数据集，这里使用k＝10来表示k-最近的邻居。

4.根据权利要求1所述的一种基于GitHub的半监督异构软件缺陷预测算法，其特征在于，在步骤(3)中匹配源数据和目标数据引入统一度量表示(UMR)和典型相关分析方法(CCA)，在UMR的基础上，利用CCA为源和目标项目的数据寻找共同空间，使得预测数据之间的相关性最大化，利用UMR技术来使异构数据能够被比较，设定 和是源数据和目标数据，这里 是Xs的第i个实例，Ns和Nt是在Xs和Xt的实例数，源公司中的实例表示为 目标公司中的实例表示为

这里， 表示与 的第j度量相对应的度量值，ds和dt是源数据和目标数据中的度量数，则UMR定义如下：

其中 是包含源数据集特定度量的Xs中的数据， 是包含目标数据集特定度量的Xt中的数据，0s和0t是源数据与目标数据中的全零矩阵，目的是为了补全维度，并且在源数据中，而 在目标数据中，R为实数集，加入基于CCA的学习相关子空间，寻找两个投影方向的Ps，Pt，最大化源与目标公司数据之间的线性相关系数ρ，则CCA的目标函数定义为：其中(·)T是矩阵或向量转置，Css和Ctt是公司内部的 和 协方差矩阵，Cst是跨公司 和 的协方差矩阵，分别被定义为：其中 表示 中的第i个实例向量，ms和mt是 和 的平均实例：在投影方向Ps和Pt下，将 和 分别投影到一个公共空间中，其中投影样本Xs+和Xt+是最大相关的，Xs+和Xt+分别定义为：

5.根据权利要求1所述的一种基于GitHub的半监督异构软件缺陷预测算法，其特征在于，在步骤(4)中半监督判别分析为以尊重从标记数据中推断出的判别结构，以及从标记数据和未标记数据推断内在的几何结构，设定X＝[x1,x2,...xM]＝[Xs+,XT+]是投影样本矩阵，M＝Ns+Nt是所有源实例和目标实例的数目，一组样本X1,x2...,xm∈Rm属于c类，通过最小化类内距离，得到最优投影或变换和同时最大化类间距离，实现类间识别的最大化，类间和类内散射矩阵按以下方式计算：其中Sb是类间矩阵，Sw是类内矩阵，u是总样本平均向量，ui是第i类的平均向量，Ni是第i类的样本数， 是第k类的第i样本，加入一个邻接图来使用未标记样本，寻找一个最优的投影矩阵w，将数据从不同的类中分离出来，同时使附近的样本更加接近,因此，半监督判别分析的目标函数如下所示:其中，W是投影矩阵，WT是投影矩阵的转置，Sb是类间矩阵，Sw是类内矩阵，α是一个权衡参数,构造邻接图来估计样本的内在几何结构,J(w)定义如下：定义的相应的权矩阵G:

其中，Nk(xj)表示xj的k近邻集合。

6.根据权利要求1所述的一种基于GitHub的半监督异构软件缺陷预测算法，其特征在于，在步骤(5)中核半监督判别分析将原始数据映射到高维核Hilbert空间中，由φ：Rn→F映射在特征空间F中称为映射函数，如： 高斯核函数和多项式核 在以前的工作中被

证明是有用的，设定一个非线性映射函数φ(·)通过N*N核矩阵K＝[Kij]定义，则数据矩阵：φ＝[φ(x1),φ(x2),...,φ(xm)]     (15)那么公式(9)和公式(10)可以改写为：

7.根据权利要求1所述的一种基于GitHub的半监督异构软件缺陷预测算法，其特征在于，在步骤(6)中代价敏感核半监督判别分析，构造一个代价矩阵，如下所示，Cost是代价函数，元素代价(i，j)(i，j∈1，2…c)指示将第I类中的实例分类为第I类的代价值，将缺陷类表示为1，而无缺陷类表示为2，成本(1，1)＝0和成本(2，2)＝0，因为正确的分类不会导致任何成本，代价矩阵

使用函数f(i)来描述第i类的权重，定义为

结合有价值的代价信息，提出了一种对代价敏感的核判别分析方法，下面对代价敏感的半监督缺陷分析优化问题如下，是类间散度；

是类内散度；

按照代数公式我们得到目标函数优化后：

其中，L是拉普拉斯矩阵。