基于SHAP值加权的案例推理模型，结合改进的混合数据增强方法用于软件工作量估算 李静（Jing Li）、 张汉（Han Zhang）、 孙胜祥（Shengxiang Sun）、 林明驰（Mingchi Lin）、 刘思思（Sishi Liu）、 朱晨（Chen Zhu）和 李凯（Kai Li）

《Information》：SHAP-Value-Weighted Case-Based Reasoning Model with Improved Mixup Data Augmentation for Software Effort Estimation Jing Li, Han Zhang, Shengxiang Sun, Mingchi Lin, Sishi Liu, Chen Zhu and Kai Li

　　摘要
软件工作量估算（SEE）是有效软件项目管理的基石，而基于案例的推理（CBR）是该领域中最广泛采用的方法之一。然而，基于CBR的SEE模型仍然面临两个关键挑战：传统的案例检索机制缺乏区分各种特征相对重要性的能力，数据稀缺仍然是一个持续的瓶颈。这两个问题严重影响了模型的估算准确性和可解释性。为了解决这些限制，我们提出了一个SHAP-Mixup协同框架，该框架增强了特征感知的相似性学习和数据分布建模。具体来说，我们引入了（1）一个考虑稳定性的SHAP加权相似性度量，它结合了特征贡献的幅度和方差以提高检索的鲁棒性；以及（2）一个基于密度的Mixup增强策略，该策略生成的合成样本受到局部数据流形结构的指导，而不是随机插值。在七个基准数据集上的实验结果表明，与基线CBR模型相比，所提出的方法平均将MAE和MSE降低了20.2%，同时一致地提高了Pred(0.25)。此外，通过提高模型的可解释性，所提出的方法为项目经理提供了关于软件工作量关键驱动因素的可操作洞察，从而促进了更加明智和高效的资源分配。基于这些发现，本研究为开发更准确、更鲁棒、更透明的SEE模型提供了一条新颖而有效的途径。

1. 引言
作为软件工程的一个基本组成部分，软件工作量估算（SEE）旨在量化成功完成项目所需的人力。这种工作量通常使用标准单位进行衡量，如人小时、人天或人月[1]。这些估算的准确性对项目结果有着至关重要的影响[2]。例如，高估可能导致资源分配效率低下和项目成本增加，而低估则常常导致进度延误、软件质量下降，甚至项目失败。这些风险在之前的研究中已有广泛记录[3,4,5,6]。因此，可靠的SEE对于控制开发成本、确保软件质量、促进有效的项目监控以及保护组织的声誉至关重要[7]。
SEE方法大致可以分为两类：基于专家的方法和数据驱动的方法[7]。基于专家的方法依赖于领域专家的知识和经验来估算新项目所需的工作量。然而，这些方法容易受到主观偏见的影响，这些偏见可能源于认知限制、个人经验、锚定效应以及专家之间判断的一致性不足。这样的偏见可能导致系统性的估算错误和可重复性降低[8]。相比之下，数据驱动的方法利用历史项目数据和数学模型来生成估算，这些估算更加客观和可重复。数据驱动的方法可以进一步分为基于算法的方法和基于机器学习的方法。基于算法的方法，如建构成本模型（COCOMO）[9]和功能点分析（FPA）[10]，通过统计建模量化软件规模，并使用经验公式计算工作量[11]。尽管这些方法在SEE实践中被广泛采用，但它们在项目的早期阶段适用性有限。在这个阶段，项目信息往往稀少，潜在需求变化的范围无法准确确定[2]。基于机器学习的方法通过自动从数据中学习特征模式来克服传统方法的一些局限性，从而提供了更大的灵活性和估算准确性。然而，大多数机器学习模型的一个关键缺点是它们的可解释性较差[12]。
Lee等人[13]开发了一个基于最小修改原则（LMP）的框架，用于估算软件项目修改工作量。通过选择17个关键影响因素并根据LMP计算工作量，他们简化了案例适应过程，从而提高了估算的准确性和效率。Phannachitta[14]使用CBR估算软件项目工作量，并结合元启发式算法和机器学习技术来优化案例适应。梯度提升机与传统适应策略相结合，增强了CBR适应新项目和历史项目之间差异的能力，从而提高了估算准确性。Brady等人[15]提出了W系统，它将CBR与对比集学习相结合，以改进软件开发工作量估算。W通过CBR检索案例，并应用对比集学习来识别区分高效项目和低效项目的属性，然后推荐适当的调整策略。Mustyala和Bisi[16]使用和谐搜索算法自动探索最佳的CBR参数配置，并在13个公共软件数据集上验证了该方法。Hameed等人[2]建议使用遗传算法（GA）优化关键的CBR参数，如特征选择、特征加权、相似性度量和k最近邻的数量，以产生高度准确的软件项目工作量估算。
上述研究表明，基于CBR的模型可以显著提高软件工作量估算的准确性和效率，并在多样化的领域和项目类型中展现出强大的适应性。尽管取得了这些进展，但两个根本性的限制仍未得到充分解决。首先，现有的基于CBR的SEE模型依赖于启发式或静态的特征加权方案，这些方案无法捕捉特征的实例依赖性贡献。其次，当前的数据增强策略忽略了SEE数据的内在结构，由于随机抽样，经常引入分布偏差。这些限制共同限制了相似性计算的可靠性和模型的泛化能力。实际上，明智地选择和优化特征对于提高CBR模型的适应效率和准确性至关重要。冗余特征或与目标变量无关的特征可能会混淆计算并降低系统性能。此外，由于每个特征对决策的个别贡献通常没有明确量化，某些模型的可解释性仍然有限。因此，特征优化已成为加强基于CBR的工作量估算模型的预测能力和可解释性的关键步骤。
SHAP由Lundberg和Lee[17]开发，它基于博弈论最优的Shapley值；它们有效地量化了每个特征对模型预测的贡献，并提高了可解释性[18]，因此吸引了越来越多的关注。Fan等人[19]将SHAP应用于脑磁图（MEG）信号预测，解决了高维设置中特征归属的歧义。Wang等人[20]将SHAP与XGBoost和k-means聚类相结合，用于水文预测中的关键特征识别，从而提高了可解释性和预测准确性。Mostofi等人[21]在多标准决策（MCDM）中使用SHAP来量化子标准对更高层次标准的贡献，捕捉子标准之间的相互依赖性，并加强决策的稳定性和一致性。Liu等人[22]在帕金森病数据集中引入了SHAP值进行特征选择，并与四个分类器一起，实现了具有显著提高的可解释性和性能的诊断模型。Li等人[23]使用SHAP研究地表温度和环境因素如何影响近地表空气温度估算，为城市热岛研究和温度预测优化提供了见解。这些研究表明，SHAP已在多个学科中得到广泛应用，并在特征优化和可解释性分析中具有实质性价值，但其应用于SEE仍然有限。在这项研究中，我们将SHAP引入SEE中，以改进特征加权计算，从而显著提高了CBR模型的可解释性。
由于SEE数据集通常较小，特征优化的效果可能有限；为了提高优化的稳定性，我们进一步引入了数据增强技术来扩大样本集。Mixup是一种广泛使用的数据增强方法，在许多领域都表现出强大的性能[24,25,26]。然而，传统的Mixup通过随机抽样生成新样本[27]，这可能导致合成数据偏离原始分布，从而削弱其可信度。为了解决这个问题，我们提出了一种利用特征邻域密度信息的抽样策略，使得合成样本更好地符合原始数据结构，从而提高了增强案例的可靠性。
为了解决现有CBR模型在处理SEE数据方面的局限性，本文提出了一种基于SHAP加权和Mixup的数据增强方法，以提高CBR在SEE中的准确性和鲁棒性。本研究的主要贡献如下：
- 一个考虑稳定性的SHAP加权相似性度量：与依赖于全局重要性或启发式调整的传统特征加权方法不同，所提出的方法结合了SHAP值的幅度和方差，实现了跨异构实例的鲁棒和自适应特征加权。
- 基于密度的Mixup增强：我们对比标准Mixup方法做出了两项重要改进：（1）一种邻域密度抽样策略，用更有针对性的父案例选择替代随机配对；（2）一种基于适配器模型的机制来生成合成决策值。这些改进共同产生了更高保真度的合成样本，特别是在数据稀缺的情况下显著提高了模型的鲁棒性。
- 协同框架：我们是第一个设计和验证结合SHAP引导的检索机制与增强Mixup数据增强技术的框架的团队。我们的实验揭示了这两个组件之间的强大协同作用，其中集成模型的性能超过了每个部分的单独贡献。
- 全面的实证验证：在七个公共数据集上针对五种主流机器学习模型的实验确认了所提出框架的卓越有效性、鲁棒性和泛化能力。
本文的结构如下：第2节回顾了初步知识，第3节详细介绍了我们提出的方法。第4节展示了实验结果以验证其性能，第5节总结了我们的发现和未来研究的潜在方向。

2. 提出的方法
2.1. CBR框架
CBR起源于认知科学，是一种与人类认知过程密切相似的问题解决范式[28]。其核心原则是通过利用过去的知识和经验来解决新问题。值得注意的是，CBR不仅解释了解决方案的由来，还能够进行增量学习[29]。当出现新的问题案例时，CBR系统通常会从案例库中检索K个最相似的案例，并重用它们的解决方案来解决新问题。如果推荐的解决方案不适用，系统将进入修订阶段，相应地调整解决方案。一旦最终解决方案的正确性得到验证，新案例及其解决方案将被存储在案例库中以供将来使用。一个标准的CBR周期包括五个阶段：表示、检索、重用、修订和保留。图1提供了这一工作流程的简要概述。这个周期展示了CBR的增量学习能力。通过不断积累和更新案例库，系统动态地提高了其推理性能，赋予CBR显著的适应性和可扩展性。
2.2. 考虑稳定性的SHAP特征加权
2.2.1. SHAP计算
在我们的实现中，SHAP值是在每个训练折叠中使用基于树的回归模型（默认为LightGBM）和TreeExplainer算法计算的。除非另有指定，背景数据集由100个训练样本的随机子集组成。对于大型数据集，SHAP值是在训练折叠的分层子样本上计算的，以减少计算开销，同时保持工作量值的分布。设SEE数据集表示为(1)，其中n是软件项目的数量，每个实例包含d个特征。对于每个实例i，SHAP提供了表示特征k对预测工作量贡献的局部解释值。
2.2.2. 考虑稳定性的SHAP加权
尽管SHAP值提供了可靠的局部解释，但直接使用平均SHAP重要性可能会导致特征加权不稳定，因为某些特征在不同实例中的波动较大。为了解决这个问题，我们引入了一种考虑特征贡献幅度和稳定性的SHAP加权机制。首先，使用平均绝对SHAP值来衡量特征k的全局重要性：(2)。接下来，为了捕捉特征贡献的变异性，我们计算绝对SHAP值的标准差：(3)。较大的值表明特征k在不同项目中的贡献变化显著，而较小的值则意味着更稳定的影响。为了同时考虑重要性和稳定性，我们定义了考虑稳定性的重要性得分：(4)，其中是一个小的正常数，用于避免除以零。最后，获得归一化的特征权重为(5)，其中表示分配给特征k的最终权重，满足条件。这种公式可以解释为方差正则化的重要性估算，其中贡献高但稳定性低的特征会被降权。这在概念上与鲁棒特征选择和度量学习相关，确保相似性计算对实例级别的波动不那么敏感。
2.2.3. SHAP加权相似性计算
为了提高CBR系统的估算准确性，将得到的SHAP权重纳入案例检索期间使用的相似性计算中。设两个SEE案例分别为和。它们之间的SHAP加权相似度定义为（6），其中表示相似度函数，表示特征权重向量。为了全面评估项目之间的相似度，采用了三种经典的相似度度量方法。SHAP加权欧几里得相似度定义为（7），SHAP加权曼哈顿相似度定义为（8），SHAP加权灰关联相似度定义为（9），其中表示目标项目，表示第i个历史项目。变量和表示第k个特征的标准化值。对于灰关联相似度，我们定义（10）（11），其中是区分系数，默认设置为。这些相似度度量可以被视为加权距离度量的不同实现，其中SHAP派生的权重定义了逐特征的缩放，类似于对角马氏距离。通过将稳定性感知的SHAP权重整合到相似度计算中，具有更高预测重要性和更稳定贡献的特征对案例相似度产生更大的影响。这种机制提高了案例检索的鲁棒性，最终增强了SEE的准确性。

2.3. 基于密度的混合增强用于SEE数据增强
SEE任务经常面临数据稀缺的问题。鉴于CBR从历史案例中得出解决方案，其有效性在很大程度上取决于训练数据的质量和多样性。因此，数据增强已成为努力估算数据集的关键预处理步骤。通过生成多样化的训练样本，增强模型对异构场景和扰动数据的适应性。Zhang等人提出的混合增强（Mixup）[30]在该领域引起了相当大的兴趣；其核心思想是通过线性插值按比例混合两个训练实例及其对应的标签来生成合成样本。传统的混合增强技术通过在案例库中随机选择的案例之间进行插值来生成新样本[31]。然而，这种随机采样方法有可能引入异常或离群样本，从而影响数据增强的有效性。为了减轻这种异常数据的干扰，本文提出了一种基于特征空间内最近邻密度信息的新采样策略。该策略旨在生成更符合真实数据分布的虚拟案例，从而提高增强数据集的可靠性。
给定一个历史案例数据集，其中n表示案例库中的总案例数，表示第i个SEE案例，是其输入特征集，表示输出特征（代表软件工作量）。然后定义采样案例的概率为（12），其中表示案例在特征空间中k个最近邻的索引集，k表示预选的邻居参数。如方程（12）所示；案例与其k个最近邻之间的平均距离越小，表示的局部密度越高，从而降低成为离群值的可能性。这种公式近似于特征空间中的核密度估计，位于高密度区域的样本获得更高的采样概率。因此，生成的合成样本更有可能位于底层数据流形上，减少了分布偏移的风险。因此，这种机制直接增加了案例的采样概率。在采样案例后，采样案例的概率定义为（13），其中表示特征空间中高斯核的尺度参数。为了计算简便，设为的中位数。如方程（13）所示，采样过程倾向于为案例的最近邻分配更高的概率。因此，增强的案例集策略性地集中在邻居密度高的区域。这种方法因此实现了两个目标：它不仅增加了样本量，同时也提高了案例信息的可靠性。在选择了父案例和之后，我们的方法通过插值它们的相应属性来生成一个新的增强案例。
我们的增强过程首先通过插值特征属性开始，这与传统的混合增强是一致的。然而，我们对输出特征引入了一个关键的创新：不是使用插值，而是使用预测模型来生成。具体来说，我们首先在历史案例集上训练一个适应模型，以学习从特征到决策的映射。然后，这个训练好的模型接收插值后的特征属性来预测新案例的最终决策属性。这种预测方法相对于简单插值的主要优势是显著减少了插值误差。这提高了增强案例的可靠性和适应性，最终提高了后续适应模型的训练准确性。这种生成新案例的增强过程正式定义如下：（14），其中是从参数为和的Beta分布中采样的混合系数。和的选择控制了合成样本的多样性。较小的值导致更极端的插值，而较大的值生成的样本更接近原始数据分布。表示之前在历史案例集上训练的预测适应模型。和分别表示新增强案例的特征向量和相应的决策属性。
与线性插值的传统混合增强相比，所提出的基于模型的标签生成通过利用学习到的映射函数来减少插值偏差。这在SEE任务中尤为重要，因为特征与工作量之间的关系高度非线性。算法1概述了我们基于混合增强的样本增强的完整逐步过程，其中包含了上述定义的案例生成逻辑。
总之，在CBR案例库数据稀缺的情况下，混合增强可以用来扩展案例集并扩大其覆盖范围，从而提高后续建模和分析的性能。算法1 基于混合增强的软件工作量估算案例增强。
要求：
历史案例库：（其中：案例，：特征向量，：软件工作量）；
Beta分布超参数：；
在上的预训练适应模型：；
目标增强样本数量：。
确保：
增强案例集：
1: 对于 到 Q 执行
2:
// 第一步：以密度感知的概率采样两个父案例
3:
采样
4:
采样
5:
// 第二步：在特征空间上进行混合插值
6:
采样混合系数：
7:
计算增强特征向量：
8:
// 第三步：估算增强案例的工作量
9:
预测软件工作量：
10:
// 第四步：将增强案例添加到集合中
11:
构建增强案例：
12:
更新增强集合：
13: 结束
14: 返回

3. 基于CBR的改进SEE
基于CBR框架和上述方法，本研究提出了一种改进的CBR方法用于软件工作量估算。它整合了两种关键策略：数据增强以提高案例库的质量和特征优化技术以提高检索准确性。我们的方法包括三个关键步骤：数据预处理、案例检索和案例适应，如图2的工作流程所示。面对新的SEE任务时，系统依次执行这三个步骤以生成最终估算结果。
图2. CBR循环的主要步骤。
（1）数据预处理：此阶段旨在通过模型引导的数据增强过程来提高案例库的质量和覆盖范围。具体来说，在历史数据上训练一个预测模型作为标记预言机后，我们通过执行修改后的混合增强来生成合成案例：首先根据它们的邻居密度选择性地配对案例，然后插值它们的特征，最后使用预训练的模型来预测相应的目标工作量。
（2）案例检索：此步骤识别与新目标案例最相关的历史案例。为此，我们首先通过计算和标准化每个特征的Shapley值来获得特征权重，这一过程由选定的机器学习模型和SHAP方法指导。然后将这些权重整合到加权k最近邻（k-NN）算法中，以计算目标案例与每个历史案例之间的相似度。最后，只检索超过预定义相似度阈值的案例，以形成最终的相似案例集。
（3）案例适应：在此阶段，使用检索到的相似案例集为目标案例生成精确的工作量估算。该过程首先使用相似案例集作为专用训练数据集来训练一个专门的适应模型，该模型旨在学习特征属性与目标变量（即软件工作量）之间的特定映射。随后，将目标案例的特征属性输入到这个新训练的模型中，其输出提供最终的工作量估算。

4. 实验和讨论
4.1. 研究问题
尽管基于CBR的SEE模型最近取得了进展，但仍然存在两个关键的研究空白：（1）缺乏自适应和可解释的特征加权机制；（2）在增强策略中未充分考虑数据分布。为了解决这些空白，本研究提出了以下与我们的目标一致的研究问题：
RQ1：所提出的基于SHAP的加权方案能否提高CBR模型对SEE的估算准确性？此外，从SHAP值派生的权重在不同上下文中是否表现出强大的适用性和稳定性？
RQ2：结合所提出的基于混合增强的样本增强技术对CBR模型的预测性能有何影响？
RQ3：结合所提出的SHAP加权方案和混合增强技术是否在估算准确性和模型鲁棒性方面协同提高了CBR模型的性能，超越了单独使用任一技术所能达到的效果？

4.2. 数据集和评估指标
为了评估我们提出方法的性能，我们在七个公开可用的SEE数据集上进行了系列实验，总结在表1中。这些数据集来自SEE研究中的两个广泛使用的基准：数据集1-5来自PROMISE仓库[32,33]，而数据集6和7来自ISBSG数据仓库[34,35]。PROMISE数据集是SEE研究中公开可用且广泛使用的基准。本研究中使用的ISBSG数据集是在实验时最新公开发布的之一。尽管一些数据集包含历史项目，但由于它们的多样性和规模，它们仍然具有代表性。总体而言，这些数据集涵盖了广泛的项目类型、规模和特征维度，从而为评估我们方法的有效性和泛化能力提供了全面的基础。
表1. 软件工作量估算的基准数据集描述。ISBSG数据仓库包含了来自世界各地11,848个软件项目，具有233个不同的属性。其庞大的规模和高异质性需要一个系统的过滤过程来产生适合分析的子集。因此，根据ISBSG的数据使用指南，我们执行了以下步骤来提取这样的子集：
（1）数据质量：遵循ISBSG和相关文献[36,37]的建议，我们仅保留了符合严格质量标准的项目：“数据质量”评级为“A”或“B”，“UFP评级”为“A”。
（2）资源级别：为了与先前的研究[38]保持一致，我们的分析仅关注开发团队的工作量。因此，我们过滤了“资源级别”为“1”的项目。根据ISBSG的定义，这个特定级别隔离了核心开发工作量，排除了支持、维护和最终用户团队的后续贡献，这些贡献包含在更高级别中。
（3）开发类型：鉴于“新开发”和“增强”项目在开发过程和成本结构上的显著差异，我们将它们作为两个不同的队列进行分析，以确保更准确和有效的评估。
（4）功能规模计数方法：遵循ISBSG的指南，以确保所有项目之间的功能规模指标的可比性，我们的数据集包括使用IFPUG V4+或相应的NESMA标准测量的“新开发”项目，以及仅使用IFPUG V4+测量的“增强”项目。
（5）标准化比率过滤器：根据ISBSG的建议，我们为每个项目计算了一个“标准化比率”作为数据质量指标。这个比率定义为标准化工作量除以原始报告的工作量，根据定义不能小于1.0。然后我们排除了比率超过1.2的项目，因为这样的值表明数据存在显著不确定性且分析价值有限。
这个五步准备过程产生了两个不同的数据集：一个新开发集（ISBSG-I，n = 603）和一个增强集（ISBSG-II，n = 1028）。
公共数据集在分析中存在几个挑战，包括缺失值、缺乏标准化和多样的特征类型（例如，分类、范围和区间值）。为了解决这些问题并为我们的实验准备数据，我们执行了以下预处理步骤：
（1）特征选择：我们根据[36,37]的指南进行了特征选择，以识别最相关的变量。
（2）标量转换：对于由单一界限定义的特征，通过将下限乘以1.1的因子或将上限乘以0.9的因子来估计值。对于由区间定义的特征，其值取为区间的中点。(3) 分类编码：多类别分类变量使用多标签二值化器进行编码，而单类别分类变量则通过独热编码进行转换。(4) 缺失值填充：采用随机森林算法来填充任何剩余的缺失值。(5) 标准化：最后，对数据集中的所有数值特征进行标准化，以确保有一个共同的尺度。这个过程产生了我们研究中最终用于分析的数据集。我们采用了5折交叉验证（CV）来评估模型性能。在每个折叠中，数据集被划分为80%的训练集和20%的测试集。模型在训练集上训练，在测试集上评估，最终性能指标是通过平均所有五次折叠的结果计算得出的。每个数据集的建模特征数量和样本大小详细列在表1中。为了全面评估模型性能，我们采用了五个广泛使用的评估指标：MMRE、MdMRE、MAE、MSE和Pred(0.25)。这些指标涵盖了互补的视角：MMRE和MdMRE反映了相对误差的稳健性；MAE和MSE量化了绝对误差的大小；Pred(0.25)衡量了在实际可接受范围内的预测准确性。这些指标共同使得性能评估全面而可靠，与软件工作量估算的主流实践一致。这些指标的正式定义如下：(15) (16) (17) (18) (19) 其中表示第i个项目的实际工作量，表示模型估计的工作量，n表示测试案例的总数。表示第i个项目的相对误差。指标计算了工作量小于的工作量所占的比例。为了确保可重复性，本节明确报告了所提出的SHAP–Mixup CBR框架中使用的所有超参数。密度感知的Mixup策略使用了Beta分布来生成插值系数。在这项研究中，我们按照常见做法设置了和，以鼓励多样化的插值。每个查询实例生成的合成样本数量由参数控制。密度估计的邻域大小设置为。SHAP值是使用从训练数据中抽取的背景数据集计算得出的。背景大小固定为100个实例，以平衡计算效率和估计准确性。为了提高稳定性，SHAP值是在多次采样运行上平均得出的。除非另有说明，否则检索到的相似案例的数量设置为。相似性阈值设置为0.85，以过滤掉关联较弱的案例。所有超参数都是基于初步实验确定的，并在所有数据集中固定，以确保公平比较。4.3. RQ1：评估基于SHAP的加权在CBR中的有效性和稳定性 4.3.1. 基于SHAP的加权对CBR性能的影响我们的实验程序旨在评估基于SHAP的特征加权策略对SEE的CBR系统性能的影响。实验的核心是比较CBR模型在两种加权方案下的性能：未加权和基于SHAP加权的。对于未加权方案，我们采用了三种传统的相似性度量：欧几里得距离（Euc）、曼哈顿距离（Man）和灰度关系度（Gre）。对于基于SHAP加权的方案，我们首先计算每个特征的SHAP值以量化其重要性。然后将这些值标准化并用作特征权重。随后，将这些权重纳入标准相似性度量中，得到三种加权变体，SHAP-Euc、SHAP-Man和SHAP-Gre，其详细计算过程在第2.2.3节中介绍。对于所有六种相似性度量，都使用了k最近邻（k-NN）算法从案例库中检索最相似的案例。然后，目标案例的最终预测是这些相邻案例解决方案的相似性加权平均值。图3展示了这一完整的估计过程，六种相似性度量的数学公式如下所示。图3. 未加权和基于SHAP加权的CBR估计工作流程。实验在三个数据集上进行：China、ISBSG-I和ISBSG-II。选择这些数据集是因为它们具有较大的样本量和显著的特征多样性，这为基于k-NN的案例检索提供了更大的稳定性。经过一系列初步的参数调整实验后，最近邻居的数量k被设置为9，以优化估计性能。表2、表3和表4展示了CBR方法在三个选定数据集的测试集上的估计性能。结果详细列出了未加权和基于SHAP加权的策略在之前描述的所有六种相似性度量上的表现。表2. 不同相似性度量在中国数据集上的性能评估。表3. 不同相似性度量在ISBSG-I数据集上的性能评估。表4. 不同相似性度量在ISBSG-II数据集上的性能评估。对表2、表3和表4中呈现的结果的分析表明，应用基于SHAP的特征加权一致性地提高了CBR模型的估计性能。这种提升在所有三个数据集中都得到了观察，无论使用的是哪种基础相似性度量。值得注意的是，最佳相似性度量取决于数据集。例如，SHAP-Gre在中国数据集上取得了最佳性能，而SHAP-Euc在ISBSG-I数据集上表现最佳。在ISBSG-II数据集上，SHAP-Man在大多数指标上提供了最准确的结果。然而，至关重要的是，在每种情况下表现最佳的模型都是基于SHAP加权的变体，其性能超过了相应的未加权模型。这种普遍的优越性强调了所提出的加权策略的稳健性和高度适应性，展示了其在不同数据背景下增强模型性能的能力。4.3.2. 基于SHAP的CBR特征权重的稳定性和一致性分析为了全面评估所提出的基于SHAP的加权方法，本节对中国数据集进行了两阶段的实验研究。首先，我们采用了一个XGBoost模型来可视化和解释各个特征的重要性和影响。然后，我们通过在五个经典机器学习模型上测试该方法来验证其一般有效性和适用性。在这项初步分析中，我们使用XGBoost模型作为CBR框架内的适应引擎。为了提高基于SHAP的特征属性的稳定性，我们对训练集应用了Mixup数据增强技术，扩展因子为3。然后根据增强后的数据计算每个特征的SHAP值，并将其标准化为权重系数。表5提供了特征的详细描述；DevType代表软件开发活动的类型，通常分为“新开发”、“增强”或“维护”。这个变量反映了开发复杂性、资源需求和成本结构的差异。分析结果在图4和图5中可视化。图4显示了一个SHAP摘要图，其中特征按平均重要性垂直排序。对于每个特征，单个点代表样本，它们的水平位置表示相应的SHAP值，指示特征影响的方向和大小。图5中的SHAP热图可视化了每个特征的边际效应，其中红色表示对预测工作量的正面贡献，蓝色表示负面贡献。表5. 中国数据集的特征描述。图4. 中国数据集的SHAP摘要图。图5. 中国数据集的SHAP热图。图4显示，AFP、Added、PDR-UFP和PDR-AFP是中国数据集中软件工作量估计最具影响力的特征。作为项目规模的核心度量，AFP与开发工作量呈正相关。Added，即新功能点的数量，通过需要额外的开发和测试任务直接增加了项目工作量。此外，PDR-UFP和PDR-AFP代表生产力交付率，与工作量呈逻辑上的反比关系；较低的生产力意味着单位成本较高，从而增加了总项目工作量。这些特征的强烈影响表明，在CBR中应优先考虑这些相似性搜索，这一过程可以通过我们的基于SHAP的加权得到显著提升。图5提供了这些特征在各个项目中的贡献的更细致视图。它显示，AFP和Added对大多数样本始终产生正的SHAP值，这一发现与它们在图4中的高整体重要性一致，并表明它们具有稳定的、增加工作量的影响。相比之下，与生产力相关的特征PDR-UFP和PDR-AFP表现出显著的变化，反映了它们对项目特定环境的强烈敏感性。然而，这种变化性与它们的基本逻辑一致：对于生产力较低的项目，它们的SHAP值倾向于为正，增加了预测的工作量；相反，对于高生产力项目，它们的负SHAP值表明对减少工作量的边际贡献。值得注意的是，SHAP模型确定的特征重要性层次结构不仅仅是一个统计现象，也与软件工程中的既定原则高度一致。发现具有较大特征规模和较低生产力项目需要更多资源，这与实际经验一致，从而验证了我们基于SHAP的方法的可信度和可解释性。为了验证我们基于SHAP的加权策略的稳健性，我们首先检查了它在不同预测模型中的一致性。如图6所示，我们为五种不同的模型（LightGBM、XGBoost、RF、GBR和SVR）生成了SHAP值热图。结果显示，尽管模型学习机制存在差异，特征重要性排名仍具有高度一致性。这种稳定性表明SHAP为特征属性提供了一个可靠的基础，证明了其作为独立于任何特定适应算法的通用加权策略的合理性。图6. 不同机器学习模型下中国数据集的标准化特征重要性热图。在建立了SHAP的可靠性基础上，我们进行了全面评估，以确定其在提高预测性能方面的有效性。我们使用了相同的五种机器学习模型，并比较了它们在中国数据集上应用SHAP权重前后的性能。比较是在之前定义的一套评估指标上进行的。图6总结了这些结果，其中“平均性能”表示标准化指标分数的汇总平均值，反映了预测能力的整体变化。如图7所示，引入SHAP加权机制显著提高了性能。所有五个加权模型在关键误差指标（如MSE、MAE、MMRE和MdMRE）上的表现都优于未加权的模型，表明预测偏差和对外部值的敏感性得到了一致性的降低。特别是对于RF和GBR模型在MMRE指标上的性能提升，以及XGBoost模型在MSE指标上的提升。此外，衡量预测可接受性的Pred(0.25)指标在所有模型上都有所改善。这种在多种模型和指标上的统一提升证实了基于SHAP的策略有效地提高了模型的准确性和可靠性。4.4. RQ2：评估Mixup增强对CBR模型预测性能的影响 4.4.1. Mixup增强对CBR性能的影响CBR系统在SEE中的性能从根本上取决于其历史案例库的数量和质量。为了验证我们改进的基于Mixup的增强策略，我们在七个数据集上进行了实验，比较了增强前后CBR系统的性能。通过每个数据集的样本量指导的初步实验，我们优化了增强倍数，以平衡模型泛化收益与引入噪声和数据分布失真的风险。这些定制的增强倍数详细列在表6中。所有模型和数据集的全面结果分别列在表7、表8和表9中。表6. 每个数据集的样本增强倍数。表7. 基于LightGBM模型增强前后的性能比较。表8. 基于SVR模型增强前后的性能比较。表9. 基于XGBoost模型增强前后的性能比较。表7显示，Mixup策略提升了基于LightGBM的CBR系统的预测性能，这一点得到了定量指标的支持。在MAE结果中尤为明显，七个数据集中的六个都有所减少。例如，在Desharnais数据集中，MAE从1.243降低到0.811，相对减少了34.8%。预测准确性的类似提升也反映在Pred(0.25)指标上，该指标在六个数据集中都有所提高。此外，该策略对模型鲁棒性的积极影响还体现在五个数据集中MSE、MMRE和MdMRE值的改善上。总体而言，所有指标的平均值都证实了增强Mixup的模型通常优于未增强的基线模型，表明在控制总体误差和提高泛化能力方面具有明显优势。

表8的分析揭示了Mixup策略对基于SVR的CBR系统的影响。其对MAE指标的影响最为一致，在所有七个数据集中都有所改善。例如，在China数据集中，MAE从0.313降低到0.245，相对减少了21.7%。在六个数据集中，MSE、MdMRE和Pred(0.25)的性能也得到了提升。相比之下，MMRE指标仅在三个数据集中有所改善，这可能是由于SVR模型对数据缩放的敏感性所致。总体而言，各项指标的平均值证实了增强Mixup的模型在五个关键指标中的四个上都优于基线模型，表明其在提升SVR系统整体性能方面的潜在效用。

表9详细分析了Mixup策略对基于XGBoost的CBR系统的影响。在七个数据集中的六个（特别是Cocomo81、China和ISBSG-I）中，该策略改善了MSE、MAE和MMRE的性能，在四个数据集中改善了MdMRE的性能。值得注意的是，Pred(0.25)指标仅在两个数据集中有所改善，这表明该策略在提升整体误差控制方面有潜在的权衡，可能会以牺牲局部预测精度为代价。数据集的平均值证实了增强Mixup的模型在四个关键指标中的四个上都优于基线模型，表明其在提升基于XGBoost系统的整体性能方面的潜力。

为了评估我们提出的Mixup策略的稳定性和泛化能力，我们对其在五种CBR模型（LightGBM、XGBoost、RF、GBR和SVR）上的性能进行了评估。China数据集被用作实验数据集，以测试该策略对预测复杂性、样本量有限和特征分布偏斜等挑战的适应性。在应用策略前后，使用相同的五个指标（MAE、MSE、MMRE、MdMRE和Pred(0.25）进行了性能比较。图8总结了结果，“平均性能”指的是每个指标在所有五种模型上的平均值。如图8所示，我们提出的Mixup策略在有限样本和特征分布偏斜等具有挑战性的条件下有效提升了所有五种模型的性能。该策略导致预测误差大幅减少，表现为整体MSE和MAE值的降低。这种改善对于LightGBM、SVR和XGBoost来说尤为显著。此外，LightGBM、SVR和RF在MdMRE和Pred(0.25)上也有所提升，其中LightGBM在MdMRE上的提升最为显著。同时，LightGBM和XGBoost的MMRE值也有所降低。这些综合效益得到了数据集平均值的证实，表明增强Mixup的模型在MSE、MAE和MMRE指标上优于基线模型，进一步证明了其在提升XGBoost模型整体误差控制方面的价值。

4.4.2. CBR中Mixup增强的适用性和稳定性分析

为了评估我们提出的Mixup策略的稳定性和泛化能力，我们对其在五种CBR模型（LightGBM、XGBoost、RF、GBR和SVR）上的性能进行了评估。China数据集被用作实验数据集，以测试该策略对预测复杂性、样本量有限和特征分布偏斜等挑战的适应性。在应用策略前后，使用相同的五个指标（MAE、MSE、MMRE、MdMRE和Pred(0.25）进行了性能比较。图8总结了结果。如图8所示，我们提出的Mixup策略在具有挑战性的条件下有效提升了所有五种模型的性能。该策略导致预测误差大幅减少，表现为整体MSE和MAE值的降低。这种改善对于LightGBM、SVR和XGBoost来说尤为显著。此外，LightGBM、SVR和RF在MdMRE和Pred(0.25)上也有所提升。同时，Mixup仅在三个数据集中有所改善，这可能是由于SVR模型对数据缩放的敏感性所致。总体而言，各项指标的平均值证实了增强Mixup的模型在五个关键指标中的四个上都优于基线模型，表明其在提升基于SVR系统的整体性能方面的潜力。

4.5. 调查SHAP和Mixup对CBR性能的协同效应

在确定了SHAP权重和Mixup策略的独立效果后，本节研究了它们结合应用时的潜在协同效应。为此，实验系统地比较了四种策略下的模型性能：（1）未优化的基线模型（Baseline）；（2）仅使用SHAP的策略（SHAP only）；（3）仅使用Mixup的策略（Mixup only）；（4）结合使用SHAP和Mixup的策略（SHAP + Mixup）。

为了全面回答RQ3，我们从两个互补的角度评估了结果。首先，我们使用雷达图进行了宏观层面的比较。这种格式擅长整合多个指标，提供了每种策略整体优势和权衡的直观概览。我们绘制了所有五种模型在四个数据集上的五个关键指标的平均性能，这种方法消除了模型特定的偏见，从而对每种策略的普遍适用性进行了公平和全面的评估。其次，我们对剩余三个数据集使用了详细的表格进行了微观层面的定量分析。这使得我们能够精确量化每种策略和每个指标的性能提升。

4.5.1. 单独与组合SHAP和Mixup策略的比较性能分析

图9a-d分别展示了四种策略在中国、COCOMO81和ISBSG-I数据集上的比较性能。为了确保视觉解释的一致性，即较大的面积表示更好的性能，所有基于误差的指标（MdMRE、MMRE、MAE、MSE）都被反转了。在图表中，这些指标前缀为“–”（例如，–MSE）。基于收益的指标Pred(0.25)保持不变，因为它自然符合这一原则。如图9a所示，对于China数据集，SHAP+Mixup策略在五个指标中的四个上表现出明显的优势，尤其是在–MSE和–MAE上取得了最显著的提升。尽管在–MMRE上略逊于仅使用SHAP的策略，但它仍然远超基线和仅使用Mixup的策略。同时，LightGBM和XGBoost在MdMRE上也取得了提升。这些综合效益得到了数据集平均值的证实，四个误差指标都有所下降，而Pred(0.25)有所上升，表明模型准确性和高精度预测能力同时得到了提升。

针对RQ2的回答，我们的研究结果表明，我们提出的Mixup策略通常提升了模型的整体性能，并有助于提高它们的预测稳定性。虽然这种提升的幅度可能取决于特定的数据特征和模型选择，但总体结果支持我们将Mixup视为一种可行且有效的数据增强技术，适用于软件工作量预测。

4.5.3. 调查SHAP和Mixup对CBR性能的协同效应

在确定了SHAP权重和Mixup策略的独立效果后，本节研究了它们结合应用时的潜在协同效应。为此，实验系统地比较了四种策略下的模型性能：（1）未优化的基线模型（Baseline）；（2）仅使用SHAP的策略（SHAP only）；（3）仅使用Mixup的策略（Mixup only）；（4）结合使用SHAP和Mixup的策略（SHAP + Mixup）。

为了全面回答RQ3，我们从两个互补的角度评估了结果。首先，我们使用雷达图进行了宏观层面的比较。这种格式擅长整合多个指标，提供了每种策略整体优势和权衡的直观概览。我们绘制了所有五种模型在四个数据集上的五个关键指标的平均性能，这种方法消除了模型特定的偏见，从而对每种策略的普遍适用性进行了公平和全面的评估。其次，我们对剩余三个数据集使用了详细的表格进行了微观层面的定量分析。这使得我们能够精确量化每种策略和每个指标的性能提升。

4.5.1. 单独与组合SHAP和Mixup策略的比较性能分析

图9a–d分别展示了四种策略在中国、COCOMO81和ISBSG-I数据集上的比较性能。为了确保视觉解释的一致性，即较大的面积表示更好的性能，所有基于误差的指标（MdMRE、MMRE、MAE、MSE）都被反转了。在图表中，这些指标前缀为“–”（例如，–MSE）。基于收益的指标Pred(0.25)保持不变，因为它自然符合这一原则。如图9a所示，对于China数据集，SHAP+Mixup策略在五个指标中的四个上表现出明显的优势，尤其是在–MSE和–MAE上取得了最显著的提升。尽管在–MMRE上略逊于仅使用SHAP的策略，但它仍然远超基线和仅使用Mixup的策略。对个别策略的分析表明，SHAP only在所有指标上都超过了基线，而仅使用Mixup的策略也在–MSE、–MAE和–MdMRE上取得了显著提升。这共同表明，虽然两种策略各自都有益处，但它们的组合产生了最全面的性能提升。

在COCOMO81数据集上，图9b的结果进一步证实了SHAP+Mixup策略的优越性。它占据了最大的雷达区域，并在三个误差指标（MSE、MAE和MMRE）上取得了最佳性能。仅使用SHAP的策略也表现良好，在MdMRE和Pred(0.25)上领先，并在所有指标上超过了基线，这突显了其独立的有效性。相比之下，仅使用Mixup的贡献较为有限，在MMRE上超过了基线，但在Pred(0.25)上与之持平。因此，虽然SHAP only在某些指标上领先，但组合策略在大多数误差指标上的优越性能及其更大的整体覆盖范围使其成为该数据集的最稳健解决方案。

在Desharnais数据集（图9c）上，SHAP+Mixup策略继续表现出强劲的性能，占据了最大的雷达区域，并在四个关键指标上领先。–MMRE指标的结果较为复杂，即使是基线也取得了有竞争力的分数。尽管如此，每种策略都提供了独特的优势：SHAP only显著提升了Pred(0.25)，而仅使用Mixup在减少整体误差（–MSE和–MAE）方面表现出色。SHAP+Mixup方法成功整合了这些优势。因此，通过在大多数关键误差指标上领先并提供了最全面的提升，它再次证明了其作为最佳策略的地位。

ISBSG-I数据集的结果（图9d）证实了SHAP+Mixup的优越性，其雷达区域明显更大。两种单独策略都非常有效：SHAP only在所有指标上超过了基线，并在–MdMRE和Pred(0.25)上领先，而仅使用Mixup在–MMRE上也取得了显著提升。结合策略有效地整合了这些优势，在三个关键误差指标上取得了最佳性能，尤其是在–MMRE上具有明显的领先优势。这表明了明显的协同效应；虽然SHAP only在某些指标上表现优异，但组合方法提供了最平衡和稳健的性能，证实了其作为最佳策略的地位。

总结来说，SHAP+Mixup在所有四个数据集中始终表现出色，占据了最大的雷达覆盖范围，并在大多数关键指标上领先。其成功源于明显的协同效应：它结合了SHAP only和Mixup only的各自优势，产生了更稳定和全面的提升，同时减轻了它们的弱点。这不仅证明了组合方法是一种渐进式的改进，而且是一种稳健且广泛适用的CBR模型增强解决方案。

4.5.2. 评估SHAP-Mixup相对于基线的协同效应

表10和表11进一步量化了SHAP+Mixup策略相对于基线的性能。比较涵盖了剩余三个数据集（ISBSG-II、NASA93和Miyazayi）以及所有五种CBR模型和五个关键评估指标。表格中的最优值用粗体标出。表10显示了SHAP+Mixup策略在NASA93上的性能比较。表11显示了SHAP+Mixup策略在Miyazayi上的性能比较。如表10所示，SHAP+Mixup策略在NASA93数据集上始终优于基线。它在大多数模型上显著降低了误差。例如，LightGBM的MSE降低了25.6%，MAE降低了31.6%。该策略还在四个模型中取得了最佳的MdMRE，表明了鲁棒性的提升，并在三个模型中在MMRE和Pred(0.25)上领先，其中XGBoost的Pred(0.25)提高了42.5%。平均指标证实了这一趋势，SHAP+Mixup在所有五个维度上都超过了基线，提高了整体准确性和可靠性。

表11中Miyazayi数据集的结果进一步证明了SHAP+Mixup策略的优越性。它在四个模型中显著降低了MSE和MAE，例如XGBoost的MAE降低了56.7%。该策略还在三个模型中提高了稳定性，并在所有五个指标上的Pred(0.25)上取得了最佳性能。尽管在MMRE上的优势有限，平均指标证实了其整体优势，在五个关键维度中的四个上取得了最佳结果，从而验证了其在提升模型性能方面的有效性。

表12显示了ISBSG-II数据集的结果，进一步证明了SHAP+Mixup策略的压倒性优势。它在所有模型上都显著优于基线，例如SVR的MSE降低了97.8%，LightGBM的MAE降低了91.5%。预测准确性也取得了类似的巨大提升，LightGBM和SVR的Pred(0.25)分别上升到了0.942和0.934。平均指标进一步证实了这种全面的优势，证明了该策略在提升CBR模型的准确性和可靠性方面的强大能力。

4.6. 对SHAP和Mixup的个别和协同贡献的消融研究

为了进一步回答RQ3并明确量化所提出组件的个别和联合贡献，我们进行了全面的消融研究。与之前的雷达图比较不同，本节提供了对性能提升的受控和定量分解，从而能够严格评估稳定性感知的SHAP权重和密度感知的Mixup增强之间的协同效应。

4.6.1. 实验设计

我们在相同的实验设置下评估了四种模型配置：基线：没有SHAP权重和Mixup增强的标准CBR；仅使用SHAP的CBR；仅使用Mixup的CBR；完整的提出的框架SHAP+Mixup。所有实验都使用了5折交叉验证在七个基准数据集上进行。使用相同的评估指标（MSE、MAE、MMRE、MdMRE和Pred(0.25）以确保与前面章节的一致性。

4.6.2. 增益分解方法

为了定量评估每个组件的贡献，我们定义了相对于基线模型的性能提升（收益）。对于基于误差的指标（MSE、MAE、MMRE、MdMRE），提升定义为值的减少；而对于Pred(0.25)，提升则对应于值的增加。让表示一个性能指标。每种配置的增益定义为（20）、（21）、（22）。为了明确衡量协同效应，我们定义了：（23）。正的协同值表明组合模型实现的改进超出了其各个组件的加性贡献，从而证明了真正的协同效应。4.6.3. 定量结果与分析表13展示了所有数据集上MAE和MSE指标的平均增益。从表13中可以得出几个重要观察结果：两个组件都能独立提高性能。仅使用SHAP通过改进特征权重一致地减少了预测误差，而仅使用Mixup通过数据增强提高了泛化能力。联合模型实现了最大的改进。SHAP+Mixup配置在所有指标上都获得了最高的增益，证实了整合这两种策略的有效性。始终观察到正的协同效应。对于MAE和MSE来说，协同项都是正的，表明组合改进超过了各个增益的总和。这表明SHAP和Mixup不仅仅是互补的，而是相互加强的。4.6.4. 协同机制的解释观察到的协同效应可以从数据层面和特征层面来解释：特征层面的增强（SHAP）：考虑稳定性的SHAP权重通过强调重要且稳定的特征来提高相似性计算的可靠性。数据层面的增强（Mixup）：考虑密度的Mixup策略通过生成与数据流形对齐的高质量合成样本来丰富训练分布。交互效应（协同）：Mixup产生的增强数据提供了更丰富、更平滑的特征空间，进而稳定了SHAP值估计。相反，改进的SHAP权重为Mixup采样指导了更有意义的邻域结构。这种双向交互导致了一个闭环增强机制，其中每个组件都放大了另一个组件的有效性。4.7. 统计显著性分析为了进一步验证观察到的性能改进是否具有统计显著性，我们基于实验结果进行了非参数统计测试。鉴于数据集之间的性能分布可能不满足正态性假设，采用了Wilcoxon符号秩检验来比较提出的SHAP-Mixup方法与基线策略。对于每个数据集，我们使用了平均性能值作为配对观测值。显著性水平设置为。应用Wilcoxon符号秩检验得到的结果如表14所示，结果表明SHAP-Mixup方法相对于基线在MAE和MSE上取得的改进具有统计显著性。表14. Wilcoxon符号秩检验结果（SHAP-Mixup vs. 基线）。5. 讨论尽管实验结果证明了所提出的SHAP–Mixup框架的有效性，但在更广泛的SEE文献中对其贡献进行更深入的定位是必要的。首先，与传统的基于CBR的SEE方法相比，这些方法依赖于启发式或元启发式的特征权重分配——例如遗传算法[39]、和谐搜索[40]、粒子群优化或基于差分进化的调整——我们的方法引入了一种基于可解释机器学习的不同范式。现有方法通常学习全局或数据集级别的特征权重，假设特征重要性在所有项目中是恒定的。然而，先前的研究（例如[41,42,43,44]）表明SEE数据集具有高度异质性，项目特征和上下文依赖的驱动因素各不相同。相比之下，我们考虑稳定性的SHAP权重机制利用了从Shapley值派生的实例级特征属性，这在可解释ML框架[45,46]中得到了形式化。通过进一步结合方差正则化，我们的方法与最近在鲁棒特征选择和度量学习方面的进展保持一致，其中稳定性被视为泛化的一个关键因素。这使得模型能够捕捉特征的重要性和一致性，这在之前的SEE研究中很大程度上被忽视了。因此，我们的方法将SHAP从一个纯粹的可解释性工具扩展为相似性学习中的一个功能组件，弥合了可解释性和预测建模之间的差距。其次，在数据增强方面，现有的SEE研究对系统化的数据生成技术关注相对较少，通常依赖于重采样或噪声注入。在更广泛的机器学习领域，Mixup[47]及其变体（例如Manifold Mixup[48]、AdaMixup[49]）通过强制样本之间的线性行为展示了强大的泛化能力。然而，这些方法假设特征空间中的线性插值保持了语义有效性，这在SEE中可能不成立，因为软件属性和努力之间存在复杂、非线性的关系。正如最近关于结构感知增强的研究中所强调的，忽略数据分布可能导致流形入侵和不现实的合成样本。我们考虑密度的Mixup策略通过引入局部密度估计和距离约束采样直接解决了这一限制，这在概念上与核密度估计和流形学习技术相关。此外，用预测模型替换标签插值与基于模型的增强和半监督学习的最新趋势一致，其中标签是通过学习到的映射生成的，而不是简单的凸组合。因此，我们的方法与SEE数据的内在结构更加契合，提高了可靠性和泛化能力。第三，本研究的主要新颖性在于系统地整合了由可解释性驱动的特征权重分配和考虑分布的数据增强，这在之前的SEE文献中尚未探索。现有研究通常将特征优化（例如特征选择、权重分配）和数据增强视为独立的预处理步骤。然而，最近的机器学习研究表明，数据质量和特征表示本质上是相互关联的。在我们的框架中，基于SHAP的权重分配增强了用于案例检索的度量空间，而考虑密度的Mixup改进了该空间内的数据分布。这创建了一个闭环增强机制：改进的数据导致更可靠的SHAP估计，改进的特征权重导致更有意义的基于相似性的学习。实验结果（第4.5节）证实，这种交互不仅仅是加性的，而是协同的，在多个数据集和模型中都取得了持续的改进。在SEE研究中很少报告这种协同效应，其中改进通常仅限于单个组件。从实际角度来看，SHAP的整合也解决了基于机器学习的SEE模型的一个长期存在的限制——即它们缺乏可解释性。先前的工作指出，黑盒模型（例如集成方法、深度学习）通常以牺牲透明度为代价实现高准确性。相比之下，SHAP提供了细粒度的、实例级的解释，使从业者能够识别关键的成本驱动因素，如功能规模（AFP）和与生产力相关的指标。这与决策支持系统中的研究一致，在那里可解释性对于信任和采用至关重要。因此，我们的方法不仅提高了预测性能，还增强了其在实际项目管理情境中的可用性。尽管有这些贡献，但仍应承认几个限制。与SHAP值估计相关的计算开销——特别是在高维数据集中——仍然是一个挑战，这也已在之前的SHAP相关研究中提到。尽管提出的Mixup策略改善了数据质量，但其有效性可能取决于超参数的选择（例如邻域大小、插值分布），这需要进一步研究。虽然我们的实验涵盖了多个基准数据集，但工业环境中的SEE数据可能表现出额外的复杂性，如概念漂移和不断变化的项目特征。因此，未来的工作应该探索可扩展的SHAP近似方法、自适应增强策略和在线学习框架，以进一步提高在现实世界场景中的适用性。6. 结论在这项研究中，我们提出了一种协同的SHAP+Mixup策略，以解决数据稀疏性和基于CBR的软件工作量估计中对精确、可解释的特征权重的需求这两个双重挑战。我们的方法首先利用改进的Mixup技术来增强数据集，然后应用SHAP来推导出用于优化案例检索的精确、可解释的权重。全面的实验证实了该策略相对于基线和单一策略模型的显著优越性。研究结果表明，我们的集成方法显著提高了工作量估计的准确性、可靠性和鲁棒性，在不同的数据集和机器学习算法中展示了强大的泛化能力，同时提高了模型的可解释性。这为从依赖传统经验模型的项目管理向更精确、数据驱动的决策制定提供了稳健的途径。尽管提出的SHAP–Mixup框架有效，但其计算开销可能限制了在大规模软件工作量估计场景中的可扩展性。SHAP值的重复计算在计算上非常昂贵，而考虑密度的Mixup策略通过生成合成样本进一步增加了数据量，导致更高的内存和处理需求。为了解决这些挑战，未来的工作将探索分布式和并行计算策略。特别是，分布式共享内存（DSM）范式[48]提供了一个有前途的解决方案，它通过统一的共享内存接口实现了分布式资源的无缝集成。通过利用基于DSM的架构，框架的关键组件——包括SHAP计算、案例检索和Mixup增强——可以在多个节点上并行化。这将提高大型数据集（如ISBSG-II）的可扩展性，同时保留了所提方法的可解释性和准确性优势。未来，我们将专注于改进提出的SHAP+Mixup框架。通过在SHAP分析之前集成特征选择技术，可以提高其性能，从而提高计算效率和解释清晰度。我们还将通过采用自适应混合系数和流形感知插值等新技术来进一步完善Mixup策略，以提高其稳定性。此外，验证该策略在更广泛的私有工业数据集上的泛化能力是一个值得研究的重要方向。