随着信息技术的发展,计算机因存储容量大和计算速度快等优势备受青睐,在航天航空、交通运输、金融医疗以及教育娱乐等领域发挥着重大作用,随着对计算机的依赖与日俱增,计算机软件缺陷引发危机的可能性逐渐增加。软件缺陷对软件质量有重要影响,缺陷预测可以预测软件缺陷的分布和缺陷数,为软件质量的提高和保障起着非常重要的作用。本文主要研究模糊支持向量机在软件缺陷预测方面的应用,主要工作如下:1.通过对MIS和RSDIMU两个软件度量集中缺陷分布规律的分析,提出了适用于模块缺陷数预测的模糊关系函数,使用FSVR的方法对软件模块缺陷数进行了回归预测,并与已有的SVR方法进行了比较。实验结果表明,FSVR在高缺陷数模块子集有很好的回归结果,MIS和RSDIMU两个数据集的高缺陷数模块预测实验均方差都低于SVR;而在低缺陷数模块子集SVR回归均方差较低。2.为了提高整体软件模块缺陷数预测精度,对常用于软件度量数据集预处理的两种方法:主成分分析和遗传算法的实验结果进行了比较,实验结果表明通过遗传算法针对不同的数据集选取适合进行缺陷数预测的度量可以提高SVR和FSVR预测结果精度。3.为了在尽可能不影响FSVR对高缺陷数模块回归预测精度的前提下降低整体测试集模块缺陷数预测均方差,我们采取支持向量分类使对测试集进行预处理将其分为低缺陷数模块和高缺陷数模块两类,然后分别利用FSVR和SVR进行高、低缺陷数模块回归预测。实验结果表明这种方法在对高缺陷数模块预测精度影响不大的情况下,相对于FSVR提高了整体测试集模块缺陷数预测精度。