随着信息时代的到来,软件的应用领域不断扩大,各行各业对软件质量的要求也在不断提升。软件质量的高低与软件中所存在的缺陷息息相关,软件缺陷的存在使得软件的安全性和可靠性面临严重的威胁。如果等到软件投入使用后才发现其中的缺陷问题,可能会带来不可挽回的损失。因此,如何快速、准确地预测出软件中的缺陷变得尤为重要。近年来,基于机器学习的软件缺陷预测研究受到广泛关注。很多学者将软件缺陷预测问题转化为机器学习中的分类问题,并提出了一系列的基于机器学习的缺陷预测方法。然而,现有方法在实际应用中还面临以下问题:数据类别不平衡（有缺陷样本的数量通常要远少于无缺陷样本）、预测精度低、存在大量的小样本数据等。如何有效解决上述问题已成为目前相关领域的研究热点。本文从数据采样与Stacking集成学习的视角来系统研究软件缺陷预测所面临的问题。首先,针对缺陷数据的类别不平衡问题,我们对比了不同采样方法对基于Stacking的软件缺陷预测模型性能的影响;其次,将数据采样技术与Stacking方法结合在一起,提出一种基于混合采样与Random＿Stacking的缺陷预测方法;最后,为了增加基分类器之间的多样性,提出一种基于属性空间扰动的Stacking方法,并利用其来预测软件缺陷。本文的主要工作可归纳如下:（1）不同采样方法对基于Stacking的软件缺陷预测模型性能影响的研究针对缺陷历史数据的类别不平衡问题,研究如何将数据采样方法与基于Stacking的软件缺陷预测模型（简称Stacking模型）组合在一起,从而为类别不平衡问题的处理提供有效方案。重点考查四种采样方法（即Borderline-SMOTE+Tomek Links、SMOTE、Borderline-SMOTE 和 ADASYN）对 Stacking 模型性能的影响,分别将上述四种采样方法与Stacking模型组合在一起,通过对比每一种组合的缺陷预测性能,从而得到最优组合。在多个NASA MDP数据集以及Promise数据集上的实验表明:将Borderline-SMOTE+Tomek Links采样方法与Stacking模型组合在一起,能够为类别不平衡问题提供最佳解决方案。（2）基于混合采样与Random＿Stacking的软件缺陷预测研究针对软件缺陷预测所面临的类别不平衡、预测精度低等问题,提出一种基于混合采样与Random＿Stacking的软件缺陷预测算法DPHSRS。DPHSRS算法首先采用Borderline-SMOTE+Tomek Links混合采样方法对不平衡数据进行平衡化处理,然后在该平衡数据集上采用Random＿Stacking算法进行软件缺陷预测。Random＿Stacking算法是对传统Stacking算法的一种有效改进,它通过融合多个经典的分类算法以及Bagging机制构建多个Stacking分类器,将多个Stacking分类器进行投票,得到一个集成分类器,最后利用该集成分类器对软件缺陷进行预测。通过在多个NASA MDP数据集和Promise数据集上的实验表明,DPHSRS算法的性能要优于现有的算法,具有更好的缺陷预测性能。（3）基于属性空间扰动的Stacking算法及其在软件缺陷预测中的应用集成学习被广泛应用于软件缺陷预测,但已有方法还存在以下问题:基分类器之间的多样性难以保证、预测精度低。针对上述问题,提出一种基于属性空间扰动的Stacking算法ASPStacking,并利用其来预测软件缺陷。作为传统Stacking算法的一种有效改进,ASPStacking算法首先利用混合采样技术对类别不平衡数据进行处理;然后,在平衡化之后的数据上生成多个属性子空间,并在每个子空间中利用Stacking算法构建一个Stacking分类器;最后,将这些Stacking分类器集成在一起来预测缺陷。在多个NASAMDP数据集上的实验表明:通过对属性空间进行扰动来增加基分类器多样性的方式能够提高缺陷预测的性能。