基于改进RNN的LSTM软件缺陷预测技术的研究

• 作者: 苏智韬
• 来源期刊: 现代信息科技
• 学科: 工学
• 关键词: 深度学习 长短期记忆 软件缺陷预测 RNN
• 年，卷（期）: 2020,（21）
• 所属期刊栏目: 信息技术
• 页码范围: 17-19,23
• 页数: 4页
• 分类号: TP315.53
• 语种: 中文
• DOI: 10.19850/j.cnki.2096-4706.2020.21.005

摘要

针对现阶段软件缺陷预测模型研究少和准确率低的问题,提出了一种基于LSTM的软件缺陷预测模型.基于LSTM对输入序列信息的相关性进行了研究,通过Prophet和Ohba开源数据集对网络模型进行训练和测试.实验结果表明:在输入序列为500时,LSTM的检测效果准确率为99.12％,误报率为0.91％,优于RNN的93.58％的准确率和5.76％的误报率.