随着网络时代的蓬勃发展,软件的规模逐渐扩大,软件开发的复杂程度也越来越高,随之而来的就是软件质量和安全性的问题。软件质量和安全性的问题的突出表现就是软件错误。软件错误可能会导致严重的后果,减少开发软件过程出现的错误是保证软件质量的重中之重。高效的软件错误定位方法不仅能够减少软件开发人员检查程序的工作量,而且可以提高软件调试的效率。目前数据挖掘技术已经在软件错误定位领域中广泛地使用,并且对于提高错误定位的效率起到了突出的效果。本文提出了最大频繁子图挖掘算法和有差异的最大特征子图挖掘算法来分析软件错误。首先,设计了基于分层插桩的软件错误定位基本框架并构建了软件动态执行图模型。软件不同粒度的插桩产生了不同粒度的软件动态执行路径,将这些执行路径转化为软件动态执行图。其次,在软件动态执行图数据库中提出了一种基于最大频繁子图挖掘的软件错误定位方法。在最大频繁子图挖掘算法MFSH-TreeMiner中,通过只访问一次图数据库,建立最大频繁子图层次树MFSH-Tree。通过DFS策略遍历MFSH-Tree挖掘出最大频繁子图,将最大频繁子图中的节点作为可疑的错误特征点。设计了AllJaccard公式用来计算特征点的错误可疑值,由此产生可疑的特征点排序表。再次,在成功和失败的软件动态执行图数据库中提出了一种基于有差异的最大特征子图挖掘的软件错误定位方法。有差异的最大特征子图挖掘算法DMFG-Miner设计了一种数据结构DBC对图数据库进行存储,构建了一个有差异的特征子图树DFG-Tree,从而挖掘出疑似错误的特征点集。为了检测特征点的错误可疑值,提出了AllOchiai公式用来统计特征点发生错误的概率,进而高效地发现错误。最后,对本文提出的解决错误定位的方法分别进行实验,并对软件错误定位的效率和准确性方面进行对比和分析。