基于启发式BP算法的软件缺陷预测模型

• 作者: 刘影 孙凤丽 张泽奇 杨隽 郭栋
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 软件缺陷预测 类不平衡学习 BP神经网络
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 人工智能与测试保障专刊
• 页码范围: 111-115
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19708/j.ckjs.2020.12.019

摘要

针对软件缺陷预测时缺陷数据集中存在的类别分布不平衡问题,结合上采样算法SMOTE与Edi-ted Nearest Neighbor(ENN)数据清洗策略,提出了一种基于启发式BP神经网络算法的软件缺陷预测模型.模型中采用上采样算法SMOTE增加少数类样本以改善项目中的数据不平衡状况,并针对采样后数据噪声问题进行ENN数据清洗,结合基于启发式学习的模拟退火算法改进四层BP神经网络后建立分类预测模型,在AEEEM数据库上使用交叉验证对提出的方案进行性能评估,结果表明所提出的算法能够有效提高模型在预测类不平衡数据时的分类准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙凤丽		5	16	3.0	4.0
2	杨隽		3	8	2.0	2.0
3	刘影		1	0	0.0	0.0
4	郭栋		1	0	0.0	0.0
5	张泽奇		1	0	0.0	0.0