基于Boosting的集成k-NN软件缺陷预测方法

• 作者: 何亮 宋擒豹 沈钧毅
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 软件缺陷预测 k-近邻(k-NN) 软件度量元 集成学习
• 年，卷（期）: 2012,（5）
• 所属期刊栏目: 研究与应用
• 页码范围: 792-802
• 页数: 11页
• 分类号: TP311.5
• 字数: 12676字
• 语种: 中文

摘要

软件缺陷预测是改善软件开发质量,提高测试效率的重要途径.文中提出一种基于软件度量元的集成k-NN软件缺陷预测方法.首先,该方法在不同的Bootstrap抽样数据集上迭代训练生成一个基本k-NN预测器集合.然后,这些基本预测器分别对软件模块进行独立预测,各基本预测值将被融合生成最终的预测结果.为判别新的软件模块是否为缺陷模块,设计分类阈值的自适应学习方法.集成预测结果大于该阈值的模块将被识别为缺陷模块,反之则为正常模块.NASA MDP及PROMISE AR标准软件缺陷数据集上的实验结果表明集成k-NN缺陷预测的性能较之广泛采用的对比缺陷预测方法有较明显的提高,同时也证明软件度量元在缺陷预测中的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈钧毅	西安交通大学电子与信息工程学院	211	4319	32.0	55.0
2	宋擒豹	西安交通大学电子与信息工程学院	41	1725	19.0	41.0
3	何亮	西安交通大学电子与信息工程学院	6	31	4.0	5.0