吳彥彰　湖北幼兒師范高等?？茖W(xué)?！『蔽錆h　430071

?

數(shù)據(jù)挖掘技術(shù)在軟件工程中的應(yīng)用探究

吳彥彰湖北幼兒師范高等?？茖W(xué)校湖北武漢430071

【文章摘要】

“互聯(lián)網(wǎng)+”行動的實施大大促進了計算機技術(shù)的發(fā)展，實現(xiàn)了大數(shù)據(jù)在社會各個領(lǐng)域的廣泛應(yīng)用，提高了軟件系統(tǒng)的進一步發(fā)展。數(shù)據(jù)挖掘技術(shù)是軟件工程設(shè)計的核心尤其是在軟件系統(tǒng)規(guī)模與復(fù)雜性日益增長的環(huán)境下，加強研究數(shù)據(jù)挖掘技術(shù)在軟件工程中的應(yīng)用具有重要的現(xiàn)實意義。

【關(guān)鍵詞】

數(shù)據(jù)挖掘技術(shù);軟件工程;應(yīng)用;“互聯(lián)網(wǎng)+”

1　數(shù)據(jù)挖掘技術(shù)的概述

數(shù)據(jù)挖掘是將存放在數(shù)據(jù)庫中的各種數(shù)據(jù)有目的的挖掘的過程。數(shù)據(jù)挖掘一般包括三個流程：數(shù)據(jù)預(yù)處理，其主要包括對數(shù)據(jù)的收集、清洗、抽樣以及數(shù)據(jù)交換;數(shù)據(jù)挖掘，在確定具體的挖掘數(shù)據(jù)之后，就需要根據(jù)相應(yīng)的方式方法比如總結(jié)、分類、關(guān)聯(lián)規(guī)則等確定具體的挖掘算法;模式評價與知識表示，也就是在確定了數(shù)據(jù)挖掘的算法之后，根據(jù)挖掘的結(jié)果，評價結(jié)果的過程。

通過對數(shù)據(jù)挖掘流程的分析，數(shù)據(jù)挖掘的主要任務(wù)就是發(fā)現(xiàn)隱藏在數(shù)據(jù)中的有趣模式，由于在海量的數(shù)據(jù)中用戶很難快速找到與自己有用的信息，因此這就需要數(shù)據(jù)挖掘技術(shù)尋求與用戶需求相密切聯(lián)系的信息模式，以此滿足用戶的期望與需求。描述模型與預(yù)測模型是數(shù)據(jù)挖掘的主要功能。數(shù)據(jù)挖掘技術(shù)的基礎(chǔ)是數(shù)據(jù)庫，因此數(shù)據(jù)挖掘技術(shù)主要是面向應(yīng)用的，數(shù)據(jù)挖掘技術(shù)應(yīng)用與軟件工程的時間是在二十世紀末期，隨著計算機技術(shù)的不斷發(fā)展，數(shù)據(jù)挖掘技術(shù)在軟件工程的應(yīng)用越來越廣泛。

2　數(shù)據(jù)挖掘技術(shù)在軟件工程中的具體應(yīng)用

軟件工程包含許多關(guān)于軟件的資料，這些資料都會存放在軟件代碼庫中，通過運用這些數(shù)據(jù)庫可以提高軟件系統(tǒng)開發(fā)人員的工作效率，使得系統(tǒng)維護人員可以對系統(tǒng)的框架有一個清晰的了解，比如程序人員對軟件工程進行組化任務(wù)時，他們可以快速的了解到系統(tǒng)組件的獨立性。

軟件工程的每一次RUP循環(huán)的階段都會產(chǎn)生大量的數(shù)據(jù)，這些數(shù)據(jù)都是挖掘的對象，基于軟件工程的生命周期，我們將其分為：分析和設(shè)計階段的應(yīng)用、迭代開發(fā)設(shè)計階段的應(yīng)用和維護階段的應(yīng)用，（具體見圖1）。

2.1需求和設(shè)計階段

需求和設(shè)計階段主要是根據(jù)軟件工程設(shè)計的要求給出一個項目的概念解決方案，在軟件工程需求和設(shè)計階段都在發(fā)生著變化，一旦需求出現(xiàn)變化，軟件工程設(shè)計要求也就會出現(xiàn)變化，因此需要程序設(shè)計人員要具有良好的設(shè)計方法，通過數(shù)據(jù)挖掘技術(shù)研究軟件代碼重構(gòu)問題，實現(xiàn)對程序代碼的模塊抽取。

2.2迭代開發(fā)階段

迭代開發(fā)階段是應(yīng)用數(shù)據(jù)挖掘技術(shù)最多的階段，該階段主要包括：編碼、調(diào)試、測試以及錯誤檢測。

（1）應(yīng)用在編碼的數(shù)據(jù)挖掘技術(shù)。在軟件工程編碼過程中，基于是根據(jù)軟件工程開發(fā)的需要，對編碼程序進行記錄，以此找到程序代碼中的關(guān)聯(lián)關(guān)系。比如我們所應(yīng)用的基于迭代模式挖掘的規(guī)范發(fā)現(xiàn)的算法，其主要是通過挖掘程序的運行軌跡數(shù)據(jù)獲得程序運行時序模式，其運行模式就是通過利用關(guān)聯(lián)規(guī)則中面向Aprior的特性挖掘頻繁閉合時序項集模式，把程序里的每一個調(diào)用定義為ei.i是這些事項組合的集合，si=（e1,e2,e3,,,,,,）其中e稱之為程序的一次運行軌跡模式。當然除了上述的算法之外，數(shù)據(jù)挖掘技術(shù)在編碼中的應(yīng)用算法還包羅復(fù)用模式算法、檢測API潛在調(diào)用順序的方法等等。

（2）應(yīng)用于調(diào)試的數(shù)據(jù)挖掘技術(shù)。軟件工程的調(diào)試工作主要是由軟件開發(fā)人員完成的，其目的就是提高軟件系統(tǒng)的實際應(yīng)用價值，滿足設(shè)計需求的要求。軟件系統(tǒng)調(diào)試屬于高耗時工作，其需要調(diào)試人員按照規(guī)范要求一步一步的進行，尤其是當軟件工程的系統(tǒng)比較復(fù)雜時，就會加劇調(diào)試的難度。調(diào)試的任務(wù)就是分析bug報告、定位軟件錯誤信息，并且及時修正錯誤的程序信息，對于這些調(diào)試的任務(wù)采取數(shù)據(jù)挖掘技術(shù)則可以有效的降低調(diào)試難度。以數(shù)據(jù)挖掘技術(shù)對軟件工程漏洞的檢測調(diào)試為例，調(diào)試的主要目的就是為了盡快的找出系統(tǒng)的漏洞，以便應(yīng)用到實際中，首先通過對軟件工程測試項目的確定，根據(jù)用戶的實際需要，確定具體的檢測方式，從而制定出具體的檢測計劃。目前我們常用的檢測方法有自動分類方法、半自動化分類（文檔分類技術(shù)）以及bug報告篩選等等;然后根據(jù)確定的具體檢測方法對軟件工程的數(shù)據(jù)進行收集與分析，按照預(yù)定的計劃對收集的數(shù)據(jù)進行清理與轉(zhuǎn)換，將多余的數(shù)據(jù)清理出去，并且對丟失的數(shù)據(jù)進行補充;最后要選擇相應(yīng)的數(shù)據(jù)模型，進行檢驗以此保證系統(tǒng)的穩(wěn)定。

（3）應(yīng)用于軟件工程錯誤檢測。任何軟件工程都會存在錯誤或者bug，據(jù)不完全統(tǒng)計，一般軟件工程的錯誤系統(tǒng)會給用戶造成巨大的損失，比如美國在1996年出現(xiàn)的航天飛船墜毀事件就是因為系統(tǒng)軟件的bug所引起的。而且對于軟件系統(tǒng)的錯誤檢測所要消耗的時間要占到系統(tǒng)開發(fā)設(shè)計周期的30%左右。因此數(shù)據(jù)挖掘技術(shù)應(yīng)用到軟件工程中的錯誤檢測技術(shù)主要包括：從源代碼中推斷錯誤、復(fù)制粘貼錯誤檢測和函數(shù)匹配檢測。以從源代碼中推斷錯誤為例，首先使用頻繁項集挖掘算法找出代碼中頻繁項集，找出滿足最小支持度的程序規(guī)則，然后根據(jù)程序?qū)σ?guī)則的遵守程度進行推斷，如果只有少部分不遵守程序，那么不遵守程序規(guī)則就有可能是錯誤的bug規(guī)則，比如在規(guī)則（sosi-host-alloc-scsi-add-host）→（scsiscan-hostg）的函數(shù)中出現(xiàn)了27次，那么只有2個函數(shù)出現(xiàn)了（scsi-host-alloc-scsi-addhost）,那么這2個函數(shù)就是錯誤bug。

應(yīng)用于維護階段。維護階段是軟件工程的重要工作，需要維護人員要對系統(tǒng)有一個清晰的框架認識。一般軟件維護的工作主要包括改正程序中的錯誤和缺陷、改進設(shè)計的環(huán)境以及按照實際需要增加相應(yīng)的程序應(yīng)用。數(shù)據(jù)挖掘技術(shù)在軟件工程維護階段的應(yīng)用主要包括：一是引導(dǎo)的軟件修改。在軟件系統(tǒng)中如果修改一個代碼，那么與之關(guān)聯(lián)的代碼也就需要修改，而數(shù)據(jù)挖掘技術(shù)則是找到這些修改模式，避免出現(xiàn)頻繁修改模塊的可能;二是切面挖掘。也就是面向?qū)ο缶幊痰挠幸嫜a充，其主要目的就是增強系統(tǒng)的可理解性和維護性。

3　數(shù)據(jù)挖掘技術(shù)在軟件工程中的應(yīng)用方法

數(shù)據(jù)挖掘技術(shù)在軟件工程中應(yīng)用的方法主要有：一是關(guān)聯(lián)方法。挖掘技術(shù)應(yīng)用與軟件工程中的關(guān)聯(lián)方法，其規(guī)則在于發(fā)現(xiàn)大量數(shù)據(jù)中所具有的相關(guān)聯(lián)系及有趣關(guān)聯(lián)。并且關(guān)聯(lián)規(guī)則具有兩個重要特征，其一為支持度，表示為P （A ∪ B），表明A、B 兩個子集在事物集中出現(xiàn)的概率是相同的;其二為置信度，可表示為P（B | A），說明A 在事物集中所具有的概率，同樣B 也會出現(xiàn);二是聚類方法。聚類方式的應(yīng)用，顧名思義，便是把對象數(shù)據(jù)分為多個簇或類，并且保證統(tǒng)一類或簇中的數(shù)據(jù)的相似度較高，同時不同類或簇中的對象具有明顯的差別;三是分類方法。分類方式的應(yīng)用，主要是對離散值和分類標號進行操作，一般情況下，首先需建立起相應(yīng)的模型，對其概念集和數(shù)據(jù)類集進行描述，之后應(yīng)用模型完成分類

圖1：數(shù)據(jù)挖掘技術(shù)在軟件工程應(yīng)用的切入點

圖2：檢測錯誤的流程圖

4　結(jié)束語

總之，在軟件工程項目中合理的應(yīng)用數(shù)據(jù)挖掘技術(shù)確實具備著極強的應(yīng)用價值，對于軟件工程項目的發(fā)展和提升來說意義重大，并且根據(jù)其具體的應(yīng)用過程來看，其涉及到的應(yīng)用內(nèi)容和應(yīng)用環(huán)節(jié)也是比較多的，這也進一步體現(xiàn)出了數(shù)據(jù)挖掘技術(shù)的巨大應(yīng)用價值，值得相應(yīng)的研究人員在今后針對這種數(shù)據(jù)挖掘技術(shù)及其在軟件工程項目中的應(yīng)用進行深入的研究和探討，進一步的提升其自身的水平及其應(yīng)用的價值。

【參考文獻】

[1]馬保平，關(guān)于對軟件工程中的數(shù)據(jù)挖掘技術(shù)的探討[J].電子技術(shù)與軟件工程2015年09期

[2]許文杰，數(shù)據(jù)挖掘技術(shù)在軟件工程中的應(yīng)用研究[J].電子技術(shù)與軟件工程2015年11期