基于混合采样与Random_Stacking的软件缺陷预测

• 作者: 闫岭岭 江峰 杜军威 杨爱光
• 来源期刊: 计算机与现代化
• 关键词: 软件缺陷预测 数据不平衡 混合采样 Random_Stacking DP_HSRS
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 人工智能|ARTIFICIAL INTELLIGENCE
• 页码范围: 70-76,84
• 页数: 8页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2021.08.013

摘要

现有的软件缺陷预测方法面临数据类别不平衡性、高维数据处理等问题.如何有效解决上述问题已成为目前相关领域的研究热点.针对软件缺陷预测所面临的类别不平衡、预测精度低等问题,本文提出一种基于混合采样与Random_Stacking的软件缺陷预测算法DP_HSRS.DP_HSRS算法首先采用混合采样算法对不平衡数据进行平衡化处理;然后在该平衡数据集上采用Random_Stacking算法进行软件缺陷预测.Random_Stacking算法是对传统Stacking算法的一种有效改进,它通过融合多个经典的分类算法以及Bagging机制构建多个Stacking分类器,对多个Stacking分类器进行投票,得到一个集成分类器,最后利用该集成分类器对软件缺陷进行预测.通过在NASA MDP数据集上的实验结果表明,DP_HSRS算法的性能优于现有的算法,具有更好的缺陷预测性能.