本发明提供了一种融合遗传算法和深度神经网络的软件缺陷预测方法，属于计算机技术领域，解决了自动缺陷预测中新的特征具有不确定性，会和预测结果有别的技术问题；其技术方案为：采用了结果优化的遗传算法选取数据集的特征，结合变分自编码器和最大均值差异距离，学习源项目和目标项目的共性特征，来训练可靠的缺陷预测模型。本发明的有益效果为：本发明的遗传算法结合贝叶斯算法替换传统遗传算法的随机变异过程，设计了新的适应度函数，减少了不必要的特征，通过多组数据集上与传统跨项目缺陷预测方法对比，表明本发明可以提高软件预测的有效性。