随着因特网的发展，软件行业迅速崛起，在给人们带来便利的同时，由软件缺陷导致的问题也给人们惹了不少的麻烦。多项研究表明，导致一系列问题的关键因素就是软件缺陷的无限累积，而且发现软件缺陷的时机越早越好。在保证软件质量的同时合理控制好开发成本，这就需要在对历史缺陷数据统计分析的基础上进行缺陷预测。但是导致缺陷产生的因素是很多的，再加上项目本身的复杂性和测试方法的局限性，以及知识不确定性，使得构造软件缺陷预测的方法变得十分复杂，贝叶斯网络凭借其在解决不确定性问题方面的优势，成为当下最流行也是最理想的预测模型。但贝叶斯并不是完美的，当产生缺陷的相关因素较多时，其推理过程就变成了NP难题。针对上述情况，主要进行了以下几个方面的研究工作：1）研究了软件缺陷的相关理论知识，包括缺陷的定义、分类、产生原因等，总结了目前常见的缺陷预测模型，有控制图法、矩阵数据分析法、神经网络方法和捕捉模型方法，并对这些模型方法进行了对比分析，在此基础上提出了有着突出优势的贝叶斯网络模型。2）总结了贝叶斯网络的经典理论知识及其推理过程，包括概念、表示以及构造推理，在此基础上重点研究了其在实际应用中由于缺陷相关因素的增多而导致的NP难题，并提出了改进措施，通过结合贝叶斯网络本身具有的条件独立、上下文独立等性质，对原有的贝叶斯网络进行简化。并将改进前后的算法公式以及消耗时间进行对比，作为本理论的事实依据。3）将改进后的贝叶斯网络应用到阳光体育考勤项目中，结合历史数据与专家经验进行软件缺陷预测，结果表明，利用该方法进行缺陷预测更加有效，而且大大简化了计算量从而提高了运算效率，并对预测出的实验结果进行了具体分析，对该预测模型进行了有效性的评估。