1.一种基于不对称分类评估的软件缺陷检测系统，所述系统包括软件数据输入接口、控制器以及检测结果输出端口，所述软件数据输入接口用于接收要检测的软件数据，所述控制器用于对所述软件数据进行检测，并通过所述检测结果输出端口将结果输出，所述软件数据为要检测的软件的软件模块；

其特征在于，所述控制器被构造为实现以下步骤：步骤(1)，对接收的软件模块进行检测；

步骤(2)，获取原始软件度量数据集，对原始软件度量数据集的数据进行预处理；

步骤(3)，将数据分为训练样本和测试样本，定义A＝[A1，A2，A3......，Ai，......，Ac]的训练样本集合，其中Ai为第i类的子样本集合，定义X＝[X1，X2，X3......，Xi，......，Xc]为A关于字典集合D的表示系数矩阵；

步骤(4)，将训练样本数据代入至字典学习模型，并判别；

步骤(5)，通过元数据固定对所述步骤(4)中判别后的数据进行结构化；步骤(5)具体包括以下步骤，步骤501，初始化字典集合D，对D每一列以随机矢量l1范式项进行初始化；

步骤502，固定字典集合D，通过IMP以迭代的形式进行求解系数集合X；

步骤503，通过元数据固定步骤502中的X，更新D，得到最终的结构化的字典，更新D方法如下：其中d为字典的元数据，稀疏系数X为系数矩阵，X＝[β1，β2，…，βP]，这里βj，j＝1，

2，......，p，是矩阵的行向量，逐个更新，当更新到dj时，其他字典集合D的列被固定，然后，JD被转化为下述公式，设置C＝A-∑l≠jdlβl，则

使用拉格朗日乘子将 等价于

其中γ是一个可变量，积分 考虑dj，使 变0，得到 所以 的约束下，解答等式(2)， 这里||·||2是l1范式项，继而更新所有的dj的元数据；返回公式(1)，一直到JD，X的迭代最大数已经达到，最后输出D；

步骤(6)，使用非对称分类器对步骤(5)中结构化后的数据进行性能评估；

步骤(7)，检测转入所述测试样本；

步骤(8)，对测试样本使用步骤(4)、(5)、(6)进行性能评估，即对软件检测模块进行缺陷检测；

步骤(9)，将评估结果反馈给测试者，完成检测。

2.如权利要求1所述的软件缺陷检测系统，其特征在于：步骤(6)中非对称分类器设计为：步骤601，执行非线性映射φ： 对高维特征空间生成一个输入变量，在该空间进行线性偏最小二乘法；

定义为具有数目l的标

签样本，和 定义为有数目u的未标签样本；对于标签样本，Y＝{+1，-1}，有缺陷模块被标记为‘+1’，没有缺陷的模块标记为‘-1’，软件缺陷数据设置为高度不平衡的状态，该状态为缺陷模块的数量相比于非缺陷模块的数量相差悬殊；

步骤602，在类区r范围设定中心M和重叠参数ε，少数类样本与多数类样本被表示为M+1-M-1＝ε(r+1-r-1)，参数ε表示两个区域的重叠等级，如果重叠度高，设定特征值等式：φφTψψTτ＝μτ    (3)

这里φ、ψ分别定义为X空间的映射矩阵和Y空间的映射矩阵，而X、Y空间均在特征空间中，为了减少不平衡问题带来的亏损，使用偏差 非对称分类器表示为设定 其中k是潜在变量的计数值，ti是测试数据第i个得分向量，mi表示第i个得分向量的方位，偏差b等于m1(M+1-r+1ε)，回归分析l是标记样本的技术，k(xi，x)是内核函数，不对称分类器在此推算为：

ai是双重回归系数，其从最小二乘法获得，是分类器的偏差；

c1是第一得分τ1的位置，根据τ1计算中心值(M+1，M-1)和半径(r+1，r-1)，τ根据等式(3)获得。