基于迁移学习的软件缺陷预测

• 作者: 毋国庆 程铭 袁梦霆
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 软件缺陷预测 迁移学习 机器学习 朴素贝叶斯
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 115-122
• 页数: 8页
• 分类号: TP311
• 字数: 5623字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2016.01.017

摘要

传统软件缺陷预测方法在解决跨项目缺陷预测过程中适应能力不足,主要是因为源项目和目标项目之间存在不同的特征分布.为了解决这个问题,提出一种新的加权贝叶斯迁移学习算法,算法首先收集训练数据和测试数据的特征信息,然后计算特征差异,将不同项目数据之间差异转化为训练数据权重,最后基于这些权重数据建立预测模型.在8个开源项目数据集上进行实验比较,实验结果表明与其他方法相比本文方法显著提高跨项目缺陷预测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毋国庆	武汉大学计算机学院	72	470	12.0	17.0
5	袁梦霆	武汉大学计算机学院	13	39	3.0	6.0
9	程铭	武汉大学计算机学院	3	32	3.0	3.0