基于不相似性的软件缺陷预测算法

• 作者: 张雪莹 李瑞贤
• 来源期刊: 计算机测量与控制
• 关键词: 类不均衡学习 软件缺陷预测 原型选择 不相似性转换
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 设计与应用
• 页码范围: 258-262
• 页数: 5页
• 分类号: TP39
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2018.03.064

摘要

软件缺陷预测是典型的类不均衡学习问题,其中有缺陷的样本数量远少于无缺陷的样本数量,但有缺陷的样本通常是预测的重点;现有的软件预测模型大多建立在基于静态度量元的软件缺陷数据集上,重点关注如何平衡类分布,而忽略了数据集中属性特征对软件缺陷的判别能力;当软件缺陷数据集中的属性特征对类目标概念缺乏判别能力时,传统机器学习算法难以构建有效的软件缺陷预测模型,从而无法获得有效的预测性能;为此,提出了一种基于不相似性的软件缺陷预测算法,通过改善软件缺陷数据集中属性的判别能力,进而提升软件缺陷预测性能;实验证明:基于不相似性的软件缺陷预测算法能够有效地改善传统机器学习算法在软件缺陷数据集上的预测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张雪莹		5	6	2.0	2.0
2	李瑞贤		2	4	1.0	2.0