1、隨著軟件規(guī)模的不斷增大，對復雜軟件系統(tǒng)的行為進行分析日益成為數據挖掘領域的熱點。軟件的一次運行對應一條執(zhí)行軌跡，表示軟件的一次行為，從大量的軟件執(zhí)行軌跡中挖掘出人們感興趣的行為模式對于幫助解決軟件缺陷定位、軟件異常檢測、測試用例的選擇和約減具有重要的現(xiàn)實意義。從數據挖掘的角度來看，軟件的執(zhí)行軌跡可以看成軟件執(zhí)行序列，因此，結合序列模式挖掘，從大量動態(tài)軟件執(zhí)行軌跡中進行軟件行為模式分析。
　　本研究主要內容包括：⑴從軟件執(zhí)行軌跡中提

2、取軟件執(zhí)行序列，并從動態(tài)、靜態(tài)兩個角度出發(fā)，結合距離匹配和統(tǒng)計分析方法提出一種關鍵函數的度量方法，既可以識別出軟件中的關鍵函數，又可以為下文研究提供參考。⑵提出了一種基于PT-tree的頻繁模式挖掘算法，該算法將軟件執(zhí)行序列數據庫壓縮成一個樹結構，并通過數據結構FNodesets存儲PT-tree中每個節(jié)點包含的項集，利用集合枚舉樹作為搜索空間，并基于超集等價特性作為剪枝策略，提升算法的效率。⑶結合前文給出的關鍵函數度量標準以及函數之間

3、的調用關系，提出了一種基于函數調用路徑序列的高效用路徑模式挖掘算法 FHUPPM。根據關鍵函數的排名分配各函數項的外部效用所占的比重，設計了一種表結構PIUL用于存儲模式的效用信息和位置信息，提出了UCMS矩陣結構，并基于該結構設計了一種高效用模式剪枝策略，作為相鄰路徑模式擴展的判斷依據。⑷對提出的挖掘算法進行實現(xiàn)，基于Windows平臺，通過java語言進行實現(xiàn)。并通過對比算法進行實驗分析，驗證提出的算法在運行時間，內存占用及可擴展性