发现和修正软件缺陷一直是软件开发与维护最昂贵的活动，因此软件缺陷预测是软件工程领域的一个重要研究方向，特别是用于解决现有工业低效甚至无效的软件测试和评论方法。准确预测出有缺陷倾向的软件模块可以帮助软件工程师在软件测试和维护阶段将有限的资源分配给那些最易存在缺陷的模块，从而提高测试效率，降低软件的维护成本。本文在研究缺陷预测时，主要的研究内容包括以下三个方面：　　第一，基于主成分分布函数的软件缺陷预测模型。该模型采用主成分分布函数生成数据的方法解决缺陷预测中的数据不平衡问题，并与随机向下欠抽样相结合，使用分类回归树对数据进行缺陷预测。最后通过对比实验验证该模型的可行性与有效性。　　第二，基于加权核主成分分析的软件缺陷预测模型。该模型针对基于主成分分布函数的缺陷预测模型中主成分分析降维效果不明显的问题，提出采用加权核主成分分析取代主成分分析，并用Tomek欠抽样取代原来的随机向下欠抽样，以防止丢失重要信息，最后同样通过实验对比说明该改进方法的有效性。　　第三，基于主成分分析的PCA-Copula软件缺陷预测模型。针对软件缺陷预测中模型难以确定的问题，并结合Copula理论提出PCA-Copula模型。最后将PCA-Copula模型与经典的多元线性回归、逻辑回归、神经网络作对比分析，用以说明该模型的有效性和可行性。　　最后，对以上三种缺陷预测模型的预测结果分别进行了总结，并对未来研究进行了展望。