數據挖掘技術在軟件工程中的應用探究

孫鵬飛

（洛陽職業技術學院，河南 洛陽 471099）

引言

軟件工程在很多領域都有良好的應用，為人們生產、生活、學習和教育等方面提供了便利條件，隨著計算機技術的飛速發展，現有的軟件工程管理技術，已經難以滿足資源管理的需求。數據挖掘技術的出現，可有效解決這一問題。通過數據挖掘技術可大幅度提升數據采集、數據分析、數據匯總、數據處理以及數據管理的效率和質量，從海量數據庫中，快速提取有利于軟件設計、開發、管理的數據，既能降低軟件工程的研發成本，還能提升軟件工程質量，對軟件事業的發展有良好的推動作用?；诖?，開展數據挖掘技術在軟件工程中的應用研究具有非常重要的意義。

1 數據挖掘技術的應用過程分析

在軟件工程應用數據挖掘技術時，其應用過程可細分為三個步驟：數據準備、規律發現和表示規律。

在數據準備環節，其主要的目標是對原始數據庫中的各項數據進行處理，確定挖掘的目標或者對象，對有效的數據進行分離，而且在數據準備階段，還涉及到對原始數據庫中數據的清理，要清除那些無用的數據，并對缺失的數據進行補充，以便能夠形成相對完整的數據鏈條，為軟件的研發、設計、運行、評測和管理等提供必要的數據支持。

在規律發現環節，為更好地保證數據挖掘質量，需要準備環節提供的數據進行科學合理的分類、歸納和總結，選擇出有針對性的挖掘方法，并結合數據的特點以及軟件工程的實際要求，合理調整數據挖掘方法，保證數據挖掘的有效性。

在表示規律環節，為保證數據挖掘結果表達的完整性，可通過知識表示方式，或者是模型評價方法，將挖掘到的數據展示出來，以便軟件工程工作人員能夠在數據結構的支持和引導下，有針對性地開展軟件研發、設計、測評和管理等工作，促使后期各道工序能夠有序開展。

2 數據挖掘技術在軟件工程中應用的關鍵技術

軟件工程的性能不同，對數據的要求不同，適用的數據挖掘技術也不相同，需要根據實際情況，合理選擇數據挖掘技術，才能獲得更加全面、完整的數據。

2.1 遺傳算法

遺傳算法是數據挖掘技術的關鍵技術，主要是以達爾文的進化原理為背景，算法求解也是一個不同繁衍、遺傳、淘汰和進化的過程.

生物自然選擇和遺傳激勵的隨機搜索算法，是數據挖掘中常用的方法之一，和其他方法相比，遺傳算法最顯著的優勢是雖然一些數據從表面上毫無關系，但在模型建立之間具有相互聯系，具有共同發展的特點。隨著遺傳基因技術的發展，軟件工程領域愈發重視遺傳算法的應用。

2.2 決策樹

決策樹通常應用在數據分類和數據整合等方面，軟件工程從設計研發到后期運行，會形成海量的數據，數據量非常大，難以快速找到有價值的數據。而采用決策樹算法，可在極短的時間內就找到關鍵信息，使信息的分類更加簡單，同時保證各項信息數據的準確性。但也存在一定的缺點，就是決策樹算法的抗噪性比較差，難以對復雜的數據進行全面挖掘。

2.3 統計分析算法

利用統計學和分析學相互結合的方法，來分析數據庫各字段之間存在的聯系，數據庫字段之間，既存在相關關系，也存在函數關系。函數關系主要是通過不同的函數來表示，相關關系則不能用函數表示。通過統計分析算法，可促使字段之間的關系更加清楚，從而提升數據挖掘的效率。

2.4 可視化技術

可視化技術的主要作用是將看不見的數據，通過其他圖表或者是符號將其顯示出來，以便更好地理解數據，一目了然地分析數據，讓原本抽象的數據，更加形象化、具體化[1]。常用的可視化方式包括尺寸可視化、顏色可視化、圖形可視化、空間可視化和概念可視化等。實現數據可視化常用的工具有Echart、FineBI 和PowerBI 等。

2.5 神經網絡技術

設計網絡技術也是數據挖掘技術的關鍵技術，類似于人腦神經元，以MP 模型和Hebb 學習規則為基礎，通過一些具體的權值來表示數據。

一個完整的神經網絡結構由三部分共同組成，紅色的是輸入層，綠色的是輸出層，紫色的是中間層（也叫隱藏層）。輸入層有3 個輸入單元，隱藏層有4個單元，輸出層有2 個單元。連接是神經網絡的重中之重，每個連接之上都有一個權重，在數據挖掘中可通過訓練算法，將權重值調整到最佳位置，從而快速檢索出有價值的數據。例如：如果用a 來表示輸入層，w 來表示權值，那么一個表示連接的有向箭頭，就可以解釋為，在初始端所傳遞的信號大小是a，中間權重值為w，經過加權之后，此信號就會轉變為a和w 的乘積，末端信號大小就是a×w。在神經網絡中，每一個有向箭頭都表示權值的加權傳遞。

3 數據挖掘技術在軟件工程中的應用

3.1 在軟件工程編碼中的應用

編碼是軟件工程的核心環節，為給后期運行提供必要的數據支持，需要對編碼的全過程進行詳細記錄，以便能夠快速找到軟件程序代碼之間的相互關聯。在軟件編碼中會形成大量數據，且都是有價值的數據，可采用基于迭代模式挖掘算法來對編碼數據進行全面挖掘，通過提前設定好的數據挖掘程序，對運行軌跡數據進行充分挖掘，從而獲得軟件程序運行的時序模式。對軟件工程而言，運行模式多為利用關聯規則中面向Aprior 的特性挖掘頻繁閉合時序項集模式[2]。如果將軟件編碼程序中每個調用定義為a1，i 為所有事項的組合集合，則Si=（a1，a2，a3，a4…），a就是程序一次運行軌跡模式。除此算法之外，在軟件編碼中還有很多可用的數據挖掘技術，如：復用模式算法、檢測API 潛在調用順序的算法等。這些算法都能對軟件編碼形成的數據進行充分挖掘，需要結合軟件工程的實際情況，選擇有針對性的算法技術。

3.2 在軟件調試中的應用

軟件調試也是軟件工程的主要環節，整個調試過程由專業的軟件開發人員來完成，開展軟件調試的主要目的是發現軟件存在的問題和不足，然后及時調整，以全面提升軟件系統的實用價值，達到預期設計的要求。軟件調試是一項非常復雜且耗時非常長的工作，需要對代碼進行逐行調試。如果軟件系統功能強大、結構復雜，則軟件調試的難度和工作量也會成倍提升。軟件調試不僅僅需要分析軟件系統存在的問題，還要對形成的錯誤報告進行分析，定位軟件的錯誤信息，并采取一定的方法和措施來糾正錯誤信息。

將數據挖掘技術應用到軟件調試中，可大幅度提升調試的效率，降低調試的難度，減少軟件調試的工作量。例如：在軟件系統漏洞調試中，應用數據挖掘技術可快速定位漏洞的位置，并明確漏洞的種類。在具體應用中，要先確定軟件工程調試的對象，然后再結合用戶對軟件的需求，確定調試方法，制定調試方案和計劃。在軟件系統漏洞調試中可選擇的數據挖掘技術比較多，如：自動分類方法、半自動分類方法和bug 報告篩選等[3]。每種方法都有其獨特的優勢和不足，可選擇其中的一種進行檢測，也可以選擇兩種或者兩種以上的方法同時使用。選擇好檢測調試方法之后，再用數據挖掘技術來采集軟件工程的相關數據，按照既定的方案和計劃，對挖掘到的數據進行全面清理和轉移，清除掉多余的數據，補充丟失的數據，再選擇出和軟件漏洞檢測調試相適宜的數據模型，進行分析檢驗，就能快速完成軟件漏洞的檢測調試，如果存在漏洞，還能對漏洞進行定位，分析漏洞的種類，為修復漏洞提供數據支持。

3.3 在軟件工程錯誤檢測中的應用

由于開發人員的局限性，開發的軟件難免會存在一定的漏洞或者錯誤，如果不能及時檢測出來，就會對用戶造成嚴重影響，甚至是無法挽回的損失。1996 年，因軟件漏洞未被檢測出來，致使美國一艘航天飛船直接墜毀，對美國航天事業造成了巨大打擊。錯誤檢測是每款軟件在投入應用前，必須進行檢測的內容，耗時非常長，錯誤檢測耗時占軟件工程研發總時長的30%以上[4]。將數據挖掘技術應用到軟件工程錯誤檢測中，可大幅度提升錯誤檢測的效率，縮短檢測時長，促使軟件工程能夠盡快投入使用，形成經濟效益。數據挖掘技術在軟件錯誤檢測中的應用方式主要有三種，一是從源代碼中推演錯誤；二是對存在的錯誤粘貼，再進行檢測；三是函數匹配檢測。這三種應用方法各有優勢，其中源代碼錯誤檢測的應用次數最多。

先通過頻繁項集挖掘算法從軟件源代碼中找到頻繁項集，以及滿足最小支持度的程序規則，再按照軟件程序對規則的遵守程度進行推演，如果發現只有少部分不遵循程序，則可能的錯誤是該軟件系統中存在錯誤的bug 規則，如在規則中，sosi-host-alloc-scsi-add-host 和scsi-scan-hostg 函數共計出現了27 次，scsi-host-alloc-scsi-add-host 只有2 個函數出現，則這兩個函數就是錯誤的bug。

4 結語

軟件工程涉及范圍非常廣，影響因素比較多，從研發設計、投入使用以及后期運行，會形成大量數據，這些數據對軟件工程性能的提升，后期拓展升級等有非常重要的意義。但這些數據有的是有價值、有用的數據，而有的則是毫無用處的數據，如何放棄無用數據，快速提取出有價值的數據，是軟件工程領域亟待解決的問題。將數據挖掘技術應用到軟件工程中，可大幅度提升數據采集、處理和分析的速度，提升數據使用質量，從而不斷優化軟件的性能，提供一個更加安全、便捷的軟件服務。