1.一种跨项目软件缺陷预测方法，其特征在于：包括以下步骤：步骤1：从软件缺陷数据库中筛选出不同于目标项目T的所有项目，将其整合成一个源项目S，将源项目S作为训练集，目标项目T作为测试集；

步骤2：采用先min‑max再自然对数变换相结合的变换方法，对训练集及测试集的各个特征列进行归一化处理，得到新的训练集P和测试集Q；

步骤3：采用训练集P构建朴素贝叶斯分类器，对测试集Q进行预测，朴素贝叶斯分类器输出测试集Q中每个实例存在缺陷的可能性值a；采用训练集P构建最近邻分类器，对测试集Q进行预测，最近邻分类器输出测试集Q中每个实例存在缺陷的可能性值b；

步骤4：利用可能性值a和可能性值b对测试集Q中所有实例进行标记，得到标记结果c，所述标记结果c的标记值为0时，表示实例没有缺陷，标记值为0.5时，表示实例存在普通缺陷，标记值为1时，表示实例存在严重缺陷；

步骤5：根据标记结果c，判断实例是否存在缺陷；

其中，所述步骤3中采用式(2)计算得到可能性值a：式中，输入空间 为n维向量的集合，输出空间为类标记集合ψ＝{0，1}，输入为特征

1 2 n

向量x∈χ，x＝(x ,x ,...,x)，即测试集Q中的每一个实例，输出为类标记ck∈ψ，ck＝1表示实例存在缺陷，ck＝0表示实例没有缺陷，X是定义在输入空间χ上的随机向量，Y是定义在输出空间ψ上的随机变量，P(X,Y)是X和Y的联合概率分布，训练集P＝{(x1,y1),(x2,y2),...,(xn,yn)}由P(X,Y)独立同分布产生；

所述步骤3中计算可能性值b的步骤为：最近邻分类器使用欧式距离来度量距离，欧式距离计算公式如下：式中，

根据给定的距离度量，在训练集P中找出与测试集Q中每个实例x最近邻的实例向量xt，得到该实例向量xt所属的类yt，则可能性值b的计算公式如下：b＝yt              (4)。

2.根据权利要求1所述的一种跨项目软件缺陷预测方法，其特征在于：所述源项目中不得有与目标项目中同项目的数据。

3.根据权利要求1所述的一种跨项目软件缺陷预测方法，其特征在于：所述步骤2中采用式(1)对训练集的各个特征列进行归一化处理；

j

式中，向量S为源项目S中第j个度量元，其第i个程序模块对应的度量元取值为 maxj j

(S)和min(Sj)分别为向量S中的最大值和最小值；

采用式(1)对测试集的各个特征列进行归一化处理，生成测试集Q。

4.根据权利要求1所述的一种跨项目软件缺陷预测方法，其特征在于：所述步骤5中采用式(5)计算得到标记结果c：式中，I为指示函数，当a≥0.5时I为1，否则I为0。

5.基于权利要求1至4任意一项所述的一种跨项目软件缺陷预测方法的预测系统，其特征在于：包括：

源项目整合模块，用于对从软件缺陷数据库中筛选出不同于目标项目T的所有项目进行整合，得到源项目；

归一化处理模块，用于对源项目和目标项目中的各个特征列进行归一化处理，得到训练集P和测试集Q；

朴素贝叶斯分类器，用于对测试集Q进行预测，根据下式输出测试集Q中每个实例存在缺陷的可能性值a：

式中，输入空间 为n维向量的集合，输出空间为类标记集合ψ＝{0，1}，输入为特征

1 2 n

向量x∈χ，x＝(x ,x ,...,x)，即测试集Q中的每一个实例，输出为类标记ck∈ψ，ck＝1表示实例存在缺陷，ck＝0表示实例没有缺陷，X是定义在输入空间χ上的随机向量，Y是定义在输出空间ψ上的随机变量，P(X,Y)是X和Y的联合概率分布，训练集P＝{(x1,y1),(x2,y2),...,(xn,yn)}由P(X,Y)独立同分布产生；

最近邻分类器，用于对测试集Q进行预测，根据下式输出测试集Q中每个实例存在缺陷的可能性值b：

通过欧式距离来得到距离度量：

式中，xi,xj∈χ，

根据给定的距离度量，在训练集P中找出与测试集Q中每个实例x最近邻的实例向量xt，得到该实例向量xt所属的类yt，则可能性值b的计算公式如下：b＝yt                (4)；

标记模块，用于利用可能性值a和可能性值b对测试集Q中所有实例进行标记，得到标记结果；

显示模块，用于根据标记结果，显示实例的缺陷程度，包括没有缺陷、普通缺陷和严重缺陷。

6.根据权利要求5所述的预测系统，其特征在于：采用训练集P构建朴素贝叶斯分类器。

7.根据权利要求5所述的预测系统，其特征在于：采用训练集P构建最近邻分类器。