随着软件维护的工作量和难度越来越大,自动化调试和错误定位技术的研究也变得越来越有意义。程序错误定位技术的研究包含很多方面,统计模型在程序错误定位中的应用是一个比较新的研究课题。其目的在于通过统计理论分析运行时状态,推断程序中错误代码的位置。由于很难提取开发人员普适的行为特征,也很难对不同软件的程序逻辑作明确定义,因此如果按现有主流方法,对运行时状态进行单维度地特征提取并建立独立模型,一般都会导致模型存在泛化能力较弱、对错误类型依赖性高、对测试用例过度依赖等问题。可以考虑两种方法解决独立统计模型在程序错误定位时存在的问题,第一种方法对运行时状态提取多维度的特征,然后建立一个复杂的模型;另一种方法分别对每个维度的特征数据建立独立统计模型,然后通过一定的机制将其整合。本文的研究内容就是对第二种方法进行研究、实现和验证。本文提出了组合统计模型的方法来解决独立模型存在的问题。组合统计模型根据数据特征分别建立有效的模型。这些模型在一定环境下都能很好地定位程序中的错误,并且在错误定位和泛化能力等性能上形成互补,这样在一定程度上保证了模型的基本性能。然后本文将这些独立模型进行加权组合,构成一个完整的模型系统。因此需要考虑以下两个问题:1.各独立统计模型的建立本文从运行时状态中提取了控制流图节点覆盖率、程序代码在程序运行过程中的执行次数、控制流图中前驱和后继节点之间的跳转概率三个维度的特征,并分别为此建立了占有率模型、相关性模型、执行次数分布检验模型和前驱/后继分布检验模型。2.模型组合本文采用Boosting方法对各独立统计模型进行加权组合。通过权重系数来控制各模型在组合模型中发挥的作用。实验结果表明,独立统计模型能分别覆盖一些特定的错误类型,在这些类型中发挥良好的错误定位性能。但是这些独立模型都对错误类型有较强的依赖,无法找出程序中其他类型的错误。而组合统计模型很好地解决了依赖性问题,在各组实验中都能很快地直接定位程序中的错误。因此,组合统计模型具有更好的错误查找性能和抗噪能力,能够有效定位程序中不同类型的错误代码。通过组合模型和独立模型的对比实验可以验证前者有效地提升了系统的分析能力和泛化性能。