面向类不平衡数据集的软件缺陷预测模型

• 作者: 周丽娟 李冉 王华
• 来源期刊: 计算机应用研究
• 关键词: 软件缺陷预测 类不平衡数据 特征选择 集成算法
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 软件技术研究
• 页码范围: 2806-2810
• 页数: 5页
• 分类号: TP311.5
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.09.057

摘要

软件缺陷数据的类不平衡问题会影响缺陷预测分类的准确性,为解决类不平衡数据对预测分类的影响,针对如何优化数据预处理的算法执行顺序进行了研究,提出了一种有效提升分类效果的软件缺陷预测模型(ASRAdaBoost).该算法模型在根据对照实验确定数据预处理最优顺序后,采用特征选择卡方检验算法,再执行SMOTE过采样与简单采样方法,解决数据类不平衡和属性冗余同时存在的问题,最后结合AdaBoost集成算法,构建出软件缺陷预测模型ASRAdaBoost.实验均采用J48决策树作为基分类器,实验结果表明ASRAdaBoost算法模型有效地提高了软件缺陷预测的准确性,得到了更好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王华	首都师范大学信息工程学院	40	630	17.0	24.0
2	周丽娟	首都师范大学信息工程学院	27	199	9.0	13.0
3	李冉	首都师范大学信息工程学院	1	7	1.0	1.0