1.一种基于集成剪枝的软件缺陷数据集分类方法，其特征在于：包括以下步骤：(1)加载软件缺陷数据集信息；(2)使用bootstrap方法得到不同的训练集，将所有的数据集用于训练不同的基分类器；(3)对于验证集的生成，使用knn算法获得在训练集上与测试集相似的数据集作为验证集，并得到每个分类器的性能；(4)进化聚类算法的数据集构成，使用每个基分类器对验证集的置信度构成数据集；(5)使用进化聚类方法得到全局最优的聚类结果，将所有的基分类器进行分组；(6)根据精度最大原则，从每个分组中选择基分类器，减少集成学习在软件缺陷数据集上的运行时间和内存的需要，提高对未知软件缺陷数据的适应能力。
2.根据权利要求1所述的一种基于集成剪枝的软件缺陷数据集分类方法，其特征在于，所述步骤(1)加载输入的软件缺陷数据集，首先判断该数据集是否是分类问题数据集，然后对该数据集的实例信息，特征数信息，和类别信息进行统计，最后根据one-hot编码对字符类型的类别转换为数字类型。
3.根据权利要求1所述的一种基于集成剪枝的软件缺陷数据集分类方法，其特征在于，所述步骤(2)根据基分类器数量，使用bootstrap取样获得不同子训练集用于训练不同的基分类器，并保证基分类器之间的多样性。
4.根据权利要求1所述的一种基于集成剪枝的软件缺陷数据集分类方法，其特征在于，所述步骤(3)验证集的生成和获得基分类器性能的步骤如下：
5.根据权利要求1所述的一种基于集成剪枝的软件缺陷数据集分类方法，其特征在于，所述步骤(4)进化聚类数据集构成步骤如下：
6.根据权利要求1所述的一种基于集成剪枝的软件缺陷数据集分类方法，其特征在于，所述步骤(5)使用进化聚类方法得到全局最优聚类结果步骤如下：
7.根据权利要求1所述的一种基于集成剪枝的软件缺陷数据集分类方法，其特征在于，所述步骤(6)根据精度最大原则从每个组中选择基分类器步骤如下：