基于局部稀疏重构度量学习的软件缺陷预测

• 作者: 吴飞 朱阳平 王晴 程立 荆晓远 董西伟
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 度量学习 软件缺陷预测 稀疏表示 局部信息 鉴别性
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 54-57,62
• 页数: 5页
• 分类号: TP181
• 字数: 4245字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2016.11.012

摘要

随着计算机技术的不断发展，如何准确地预测出软件中潜在的缺陷显得至关重要。近年来，研究者们尝试把一些机器学习方法应用到软件缺陷预测领域中，但是这些方法在分类过程中大多使用了传统的欧氏距离。距离度量学习方法通过挖掘训练样本集的特征信息和标记信息，学习得到有效的距离度量，让样本在基于度量矩阵的新特征空间中具有更好的鉴别可分性。将距离度量学习方法引入到软件缺陷预测中，同时融入了局部稀疏重构信息，提出一种新的软件缺陷预测方法，即局部稀疏重构度量学习方法( LSRML)。该方法学习得到的距离度量具有很好的鉴别性，并有效地解决了噪声敏感问题。在软件工程NASA数据库上的实验结果表明，提出的方法具有较好的缺陷预测效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	荆晓远	南京邮电大学计算机学院	52	99	5.0	6.0
3	程立	武汉大学计算机学院软件工程国家重点实验室	2	3	1.0	1.0
4	吴飞	南京邮电大学自动化学院	33	90	5.0	7.0
7	董西伟	南京邮电大学计算机学院	16	38	3.0	4.0
8	王晴	南京邮电大学计算机学院	1	3	1.0	1.0
9	朱阳平	南京邮电大学自动化学院	3	9	2.0	3.0