随着云计算、人工智能等先进技术的应用场景日趋丰富,助力电信、商业、交通运输、医疗卫生等行业快速发展,与之相关的各种系统软件和应用程序软件的大小呈指数形式增长,据统计各种数据以每五年十倍的趋势增长,拥有强大的软件产业是实现国家科技自立自强的关键之一。在软件的开发过程中,如果未满足有关的规定要求,就会导致系统出错或崩溃,这种影响软件或程序顺利进行的问题就称为软件缺陷。软件缺陷若得不到及时发现和修正,随着缺陷进一步积累和传递缺陷,就会影响软件的可靠性和稳定性。当下产业界和学术界用机器学习和数据挖掘技术来代替费时费力的传统的检测方法,用以解决软件缺陷预测的问题,提升预测性能。目前软件缺陷预测已成为一个重要研究方向,具有很大的研究和实用价值。目前软件缺陷预测存在类不平衡和缺陷预测效果不佳两个典型问题。本文针对这两个问题进行系统研究,通过从数据层面改进SMOTE算法来解决类不平衡问题,结合参数优化的LightGBM集成算法来提升软件缺陷的预测性能,本文主要研究内容如下:第一,对比研究了3种经典的过采样算法和3种集成算法的组合对软件缺陷预测的性能。3种经典的过采样:SMOTE算法、Borderline-SMOTE算法、ADASYN算法;3种集成算法:随机森林算法、XGBoost算法、LightGBM算法。通过将9种方法有效结合,在10组NASA数据集上进行实验,证明过采样方法均有助于提高分类器的分类性能,在3种集成算法中LightGBM算法性能较优、耗时最短。第二,针对软件缺陷中不平衡数据内部分布较难建立分类模型的特点,本文从数据层面出发改进了应用最广泛的SMOTE过采样方法,通过及时识别噪声样本并剔除,动态调整SMOTE算法的近邻参数,合成少数类数据的方法更能保留原始分布的特征,在3种不同的分类器下用KEEL上的10组不平衡数据集,通过交叉验证证明了提出的AdaN＿SMOTE算法优于其他传统的过采样算法,取得的准确率、召回率、AUC及F1值更佳。第三,针对软件缺陷预测性能不佳的问题,通过分析LightGBM算法的超参数特点,选择了3个对实验影响最大的参数:叶节点的数目（num＿leaves）、树模型的最大深度（max＿depth）、特征分数（feature＿fraction）,通过两两网格搜索进行超参数优化,进行5折交叉试验确认最终超参数值的方法,调参时间较传统网格搜索时间消耗大大减少。为了进一步验证提出的AdaN＿SMOTE算法与LightGBM算法的高效性,将其应用于NASA MDP数据集,与其它过采样和集成算法的组合算法结果作对比,证明了提出的算法的高效性,得到了更佳的缺陷预测性能。