随着互联网的快速发展,软件目前已在各行各业中起着愈发举足轻重的作用,人们对软件质量的要求也越来越高,因此如何快速并准确的找到软件中的潜在缺陷,引起了越来越多的关注。同时,实验室自主研发的消防维保系统代码质量问题愈加凸显,测试工作难度增大。因此本文面向消防维保系统,设计了基于RFP-TCS-XGBoost的软件模块缺陷预测方法,用于确定消防维保系统中可能存在缺陷的模块。本文工作来源于消防维保系统,针对该系统的代码质量问题以及现有软件缺陷预测的研究仍较多基于公开数据集、无法很好的结合实际项目自身特点的问题,研究了消防维保系统中软件模块缺陷预测方法。主要工作包括如下四个方面:(1)收集消防维保系统的数据集,设计适合消防维保系统的度量元,并且提出NPM、ADC和MI度量元。通过分析并收集消防维保系统的数据,针对系统自身特点,提出了结合软件静态因素和动态开发过程因素的度量元集合,设计了针对消防维保系统的三个特有度量元,并对所设计的度量元进行了公式定义和数据收集。(2)针对消防维保系统数据集的特点,完成数据预处理工作,提出RFP两阶段特征选择方法,并且筛选出由8个度量元组成的特征集合。在数据预处理部分,通过对数据集的度量元特点进行分析,完成了对类别型变量的特征编码工作;针对各个度量元之间的量纲差异过大问题,完成了数据标准化工作;除此之外,综合考虑各个度量元与目标特征之间的相关性以及消除度量元的冗余性两方面因素,设计了基于ReliefF权重分析和Pearson相关性分析的两阶段特征选择方法RFP,从而筛选出与目标特征高度相关但不冗余的度量元集合。(3)研究针对消防维保系统的软件模块缺陷预测模型TCS-XGBoost。通过引入代价敏感思想,并结合消防维保系统的数据集和业务流程特点,提出了三层代价敏感的软件模块缺陷预测模型TCS-XGBoost,从而对软件模块的缺陷倾向性进行预测。(4)实现并测试RFP-TCS-XGBoost的各个模块,验证本文提出的软件模块缺陷预测方法的有效性。本文选取准确率、精确率、召回率、F1值、ROC曲线和AUC面积在内的相关评价指标,进行了三个方面的实验。首先通过是否包含设计的三个特有度量元的对比测试,表明本文提出的NPM、ADC和MI度量元对模型的缺陷预测效果有显著提高作用;然后设计特征选择实验,表明本文设计的两阶段特征选择方法RFP的有效性;最后通过与决策树DT、XGBoost算法对比分析,表明本文提出的软件模块缺陷预测模型TCS-XGBoost在消防维保系统上具有更好的表现力。