基于集成学习的软件缺陷检测

• 作者: 吴飞 姚永芳 荆晓远 黄文聪
• 来源期刊: 计算机技术与发展
• 学科: 数学
• 关键词: 软件缺陷检测 特征构造 改进Bagging 随机特征子空间
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 63-66
• 页数: 4页
• 分类号: O235
• 字数: 2635字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2015.10.013

摘要

近年来，使用机器学习方法来预测软件缺陷得到了广泛的关注。在实际工程中，软件缺陷特征的构造需要相关领域知识及大量时间，使得到的软件特征一般较少。并且，有缺陷的软件样本会大大少于无缺陷的软件样本，造成样本的高度不平衡。这里，通过显式的特征构造方法，把有限的原特征映射到高维度的特征空间；通过改进的Bagging以及随机特征子空间的方法，在得到类平衡的训练样本集的同时，提高模型的泛化能力。通过上述方法，得到一系列弱分类器。最后，使用一个简单的线性分类器训练得到各个弱分类器的权重来融合所有弱分类器，得到更好的分类效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	荆晓远	南京邮电大学自动化学院	52	99	5.0	6.0
2	姚永芳	南京邮电大学自动化学院	16	20	2.0	2.0
3	吴飞	南京邮电大学计算机学院	33	90	5.0	7.0
4	黄文聪	南京邮电大学计算机学院	1	2	1.0	1.0