软件分类有利于快速地对软件进行分析和评估,更好地指导软件开发过程中的进程计划、人员组织和资源分配等工作。现有的软件分类方法仅根据软件的外部属性对软件进行分类,不能实现对软件的细粒度划分。因此,需要研究一种新的软件分类方法。为了实现软件的细粒度分类,提出了运用数据挖掘方法对软件测试过程中产生的大量数据进行分析,提取软件的分类描述规则的软件分类方法。该方法依据对软件进行细粒度分类的要求,具体选用了决策树分类方法构建软件的分类模型。针对所得到的测试数据的特征,选取了在数值字段处理方面具有高效性的SLIQ(Supervised Learning In Quest)算法构建分类器。分析了基于最小描述长度(Minimum Description Length, MDL)的剪枝算法在准确性上的不可信性,确立在SLIQ算法中采用预剪枝方案。最后,采用常用的K-折交叉确认法评估分类模型的性能。设计实现了基于SLIQ算法的软件分类实验系统,包括数据集的获取与预处理、决策树分类器的构建、分类模型的验证评估等几个部分,并以国产达梦数据库管理系统软件的测试版为实验对象,提取了软件的分类描述规则。研究结果表明,挖掘生成的规则能反应软件的实际情况,并标识了对软件的最终类别影响较大的属性因素,对后续的开发过程有一定的指导意义,具有一定的实用价值。