基于迁移学习的跨公司航天软件缺陷预测

• 作者: 刘大有 刘逻 哈清华 陈媛
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 缺陷预测 迁移学习 最近邻分类器 数据引力 朴素贝叶斯
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 信息科学
• 页码范围: 469-478
• 页数: 10页
• 分类号: TB853.29
• 字数: 5739字
• 语种: 中文
• DOI: 10.3788/OPE.20192702.0469

摘要

为提高航天软件测试的效率和质量,针对同公司航天软件数量少、研制周期长的特点,提出了一种跨公司航天软件缺陷预测方法.从航天软件背景信息复杂、规模大、功能独立等特征出发,提出基于静态分类缺陷预测的模型构建思想.引入迁移学习方法,利用最近邻分类器和数据引力模型,对训练数据的分布特征进行修正,提高训练数据与目标数据的相似性;为提高模型的泛化能力以适应目标数据的多样性,提出在训练数据中加入少量目标数据用于模型训练.将该方法在实际工程中进行应用,实验结果表明,与已有软件缺陷预测方法相比,该方法在保持较低误报率(不高于0.3)的情况下可有效提高召回率(接近0.6),整体可信度得到有效增强(G-measure超过0.6),方法稳定度高,泛化能力较强;本方法在实际工程中对测试规模影响可控,测试效率得到提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘大有	吉林大学计算机科学与技术学院	211	4714	34.0	63.0
5	陈媛	中国科学院长春光学精密机械与物理研究所	17	27	3.0	4.0
6	刘逻	中国科学院长春光学精密机械与物理研究所	15	164	6.0	12.0
7	哈清华	吉林大学计算机科学与技术学院	5	19	3.0	4.0