1、隨著網(wǎng)絡(luò)時(shí)代的蓬勃發(fā)展，軟件的規(guī)模逐漸擴(kuò)大，軟件開(kāi)發(fā)的復(fù)雜程度也越來(lái)越高，隨之而來(lái)的就是軟件質(zhì)量和安全性的問(wèn)題。軟件質(zhì)量和安全性的問(wèn)題的突出表現(xiàn)就是軟件錯(cuò)誤。軟件錯(cuò)誤可能會(huì)導(dǎo)致嚴(yán)重的后果，減少開(kāi)發(fā)軟件過(guò)程出現(xiàn)的錯(cuò)誤是保證軟件質(zhì)量的重中之重。高效的軟件錯(cuò)誤定位方法不僅能夠減少軟件開(kāi)發(fā)人員檢查程序的工作量，而且可以提高軟件調(diào)試的效率。
　　目前數(shù)據(jù)挖掘技術(shù)已經(jīng)在軟件錯(cuò)誤定位領(lǐng)域中廣泛地使用，并且對(duì)于提高錯(cuò)誤定位的效率起到了突出的效果。

2、本文提出了最大頻繁子圖挖掘算法和有差異的最大特征子圖挖掘算法來(lái)分析軟件錯(cuò)誤。
　　首先，設(shè)計(jì)了基于分層插樁的軟件錯(cuò)誤定位基本框架并構(gòu)建了軟件動(dòng)態(tài)執(zhí)行圖模型。軟件不同粒度的插樁產(chǎn)生了不同粒度的軟件動(dòng)態(tài)執(zhí)行路徑，將這些執(zhí)行路徑轉(zhuǎn)化為軟件動(dòng)態(tài)執(zhí)行圖。
　　其次，在軟件動(dòng)態(tài)執(zhí)行圖數(shù)據(jù)庫(kù)中提出了一種基于最大頻繁子圖挖掘的軟件錯(cuò)誤定位方法。在最大頻繁子圖挖掘算法MFSH-TreeMiner中，通過(guò)只訪問(wèn)一次圖數(shù)據(jù)庫(kù)，建立最大頻繁子圖層次

3、樹(shù)MFSH-Tree。通過(guò)DFS策略遍歷MFSH-Tree挖掘出最大頻繁子圖，將最大頻繁子圖中的節(jié)點(diǎn)作為可疑的錯(cuò)誤特征點(diǎn)。設(shè)計(jì)了AllJaccard公式用來(lái)計(jì)算特征點(diǎn)的錯(cuò)誤可疑值，由此產(chǎn)生可疑的特征點(diǎn)排序表。
　　再次，在成功和失敗的軟件動(dòng)態(tài)執(zhí)行圖數(shù)據(jù)庫(kù)中提出了一種基于有差異的最大特征子圖挖掘的軟件錯(cuò)誤定位方法。有差異的最大特征子圖挖掘算法DMFG-Miner設(shè)計(jì)了一種數(shù)據(jù)結(jié)構(gòu)DBC對(duì)圖數(shù)據(jù)庫(kù)進(jìn)行存儲(chǔ)，構(gòu)建了一個(gè)有差異的特征子圖樹(shù)