SBFS:基于搜索的软件缺陷预测特征选择框架

• 作者: 吉人 陆凌姣 陈翔 魏世鑫
• 来源期刊: 计算机应用研究
• 关键词: 软件缺陷预测 特征选择 基于搜索的软件工程 类不平衡学习
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 软件技术研究
• 页码范围: 1105-1108,1119
• 页数: 5页
• 分类号: TP311.5
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.04.034

摘要

在搜集缺陷预测数据集的时候,由于考虑了大量与代码复杂度或开发过程相关的度量元,造成数据集内存在维数灾难的问题.借助基于搜索的软件工程思想,提出一种新颖的基于搜索的包裹式特征选择框架SBFS.该框架在实现时,首先借助SMOTE方法来缓解数据集内存在的类不平衡问题,随后借助基于遗传算法的特征选择方法,基于训练集选出最优特征子集.在实证研究中,以NASA数据集作为评测对象,以基于前向选择策略的包裹式特征选择方法FW、基于后向选择策略的包裹式特征选择方法BW、不进行特征选择的方法Origin作为基准方法.最终实证研究结果表明:SBFS方法在90％的情况下,不差于Origin法;在82.3％的情况下,不差于BW法;在69.3％的情况下,不差于FW法.除此之外,若基于决策树分类器,则应用SMOTE方法后,可以在71％的情况下提高模型性能;而基于朴素贝叶斯和Logistic回归分类器,则应用SMOTE方法后,仅可以在47％和43％的情况下提高模型的预测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈翔	南通大学计算机科学与技术学院	64	475	12.0	19.0
2	陆凌姣	南通大学计算机科学与技术学院	1	7	1.0	1.0
3	吉人	南通大学计算机科学与技术学院	1	7	1.0	1.0
4	魏世鑫	南通大学计算机科学与技术学院	1	7	1.0	1.0