基于最大信息系数的软件缺陷预测模型

• 作者: 刘亚娜 崔军 李济洪 王瑞波 郭新峰
• 来源期刊: 应用概率统计
• 学科: 数学
• 关键词: MIC度量 软件缺陷预测 泊松回归模型 负二项回归模型 m×2交叉验证序贯t-检验
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 86-108
• 页数: 23页
• 分类号: O212
• 字数: 12832字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4268.2019.01.007

摘要

在软件缺陷预测的回归建模中,由静态代码提取的类层面度量元(特征)以及由方法聚合(sum、avg、max、min)到类的特征往往较多,使用传统的特征选择方法(如AIC、BIC)通常先要确定了模型,不同的模型选出的特征集差异较大,且模型的可解释性差.最大信息系数MIC (maximal information coefficient)是Reshef等[4]提出的度量两个连续变量之间相互依赖程度的一个指标,且有基于观测数据的计算办法.本文基于软件缺陷个数与各特征的MIC度量先选择特征,再对所选特征进行了适当的幂次变换,最后使用主成分泊松和负二项回归建模.本文实验基于NASA的KC1的类层面数据集,采用了m×2交叉验证的序贯t-检验来对两模型的性能差异的显著性进行检验,模型性能评价指标采用FPA、AAE、ARE.实验结果表明:1)基于MIC选出的特征主要是sum、avg、max三种聚合模式特征,与AIC、BIC方法有明显的差异;2)对特征做适当的幂次变换在多数模型下可以改善其性能;3)对特征做幂次变换后,做主成分分析与因子分析可以得到两个明显的因子,其一个因子正好对应avg与max聚合模式的特征集,另一个因子正好对应sum的聚合模式特征集,使得模型具有较好的可解释性.综合实验的各项指标可以得出,sum、avg、max三种聚合模式对软件缺陷预测有显著作用,且基于MIC所选特征而构造的模型是有优势的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李济洪	山西大学软件学院	58	261	10.0	14.0
2	郭新峰	山西大学软件学院	10	43	4.0	6.0
3	崔军	山西大学计算机与信息技术学院	22	103	6.0	9.0
4	王瑞波	山西大学软件学院	23	179	7.0	13.0
5	刘亚娜	山西大学计算机与信息技术学院	2	2	1.0	1.0