基于实例迁移的跨项目软件缺陷预测

• 作者: 李碧雯 毛发贵 沈备军
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 跨项目缺陷预测 迁移学习 基于实例的迁移 自适应增强
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 系统软件与软件工程
• 页码范围: 43-55
• 页数: 13页
• 分类号: TP311.5
• 字数: 7917字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1505089

摘要

跨项目软件缺陷预测是解决项目初期缺陷预测缺乏数据集的有效途径,但是项目间的差异性降低了预测准确率.针对这一问题,研究提出了基于实例迁移的跨项目缺陷预测方法.该方法采用迁移学习和自适应增强技术,从其他项目数据集中提取并迁移转化出与目标数据集关联性高的训练数据集,训练出更有效的预测模型.使用PROMISE数据集进行了对比实验,结果表明所提出的新方法有效避免了单源单目标缺陷预测两极分化问题,获得了更高的预测准确率和查全率;在目标项目数据集不足的情况下,能达到甚至超过数据集充足时项目内缺陷预测的预测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈备军	上海交通大学软件学院	36	269	9.0	15.0
2	毛发贵	上海交通大学软件学院	1	8	1.0	1.0
3	李碧雯	上海交通大学软件学院	1	8	1.0	1.0