偏相关方法在软件缺陷预测中的应用

• 作者: 李炯 罗光春 陈爱国 马樱
• 来源期刊: 计算机应用研究
• 关键词: 软件缺陷预测 代码静态属性 实证 复杂度 机器学习 偏相关
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 软件技术研究
• 页码范围: 594-596,613
• 分类号: TP301.5
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2012.02.051

摘要

为了提高预测模型的性能,解决不同属性子集带来的分歧,提出了基本偏相关方法的预测模型.首先,该方法在公开数据集上分析出代码静态属性与缺陷数之间存在偏相关关系；然后基于偏相关系数值,计算出代码复杂性度密度属性值；最后基于该属性值建立新的缺陷预测模型.实验表明,该模型具有较高的召回率和很好的F-measure性能,从而进一步证实了代码属性与模块缺陷之间的偏相关性是影响软件质量预测性能的重要因素的结论.该结论有助于建立更加稳定可靠的软件缺陷预测模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗光春	电子科技大学计算机科学与工程学院	59	390	10.0	16.0
2	李炯	电子科技大学计算机科学与工程学院	27	323	10.0	17.0
3	马樱	电子科技大学计算机科学与工程学院	1	5	1.0	1.0
4	陈爱国	电子科技大学计算机科学与工程学院	14	93	7.0	9.0