基于相对密度的类不平衡软件缺陷预测

• 作者: 于化龙 孙丹 王琦 邹海涛 郑尚
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 软件缺陷预测 数据不平衡 相对密度 模糊加权
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 信息处理与网络安全
• 页码范围: 1393-1399,1459
• 页数: 8页
• 分类号: TP311
• 字数: 6054字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.06.024

摘要

在软件缺陷预测中,普遍存在软件缺陷数据的类不平衡问题,严重影响着传统预测模型的性能.为了缓解类不平衡对预测模型性能的影响,引入模糊集的思想,提出了一种基于相对密度的模糊加权极限学习机算法.该方法首先采用所提的相对密度方法,即通过精确计算任意不同类训练样本之间的概率密度的比例关系,来计算各样本的类间相对密度,并设计相应隶属函数,求出适用于不同数据样本的加权矩阵,进而将其与传统加权极限学习机结合,并训练模糊极限学习机,最后通过NASA软件缺陷类不平衡数据对所提方法的有效性和可行性进行验证.实验结果表明:与诸多类不平衡软件缺陷预测方法相比,论文方法具有更好的预测性能,并在G-mean、AUC和Balance的评价指标上有较优表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于化龙	江苏科技大学计算机学院	44	135	8.0	10.0
2	郑尚	江苏科技大学计算机学院	12	6	2.0	2.0
3	孙丹	江苏科技大学计算机学院	3	1	1.0	1.0
4	王琦	江苏科技大学计算机学院	7	4	1.0	2.0
5	邹海涛	江苏科技大学计算机学院	5	0	0.0	0.0