成都工业学院学报

2021, v.24;No.94(01) 12-16

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于集成学习的静态软件缺陷预测模型构建
Construction of Static Software Defect Prediction Model based on Ensemble Learning

丁晓梅;

摘要(Abstract):

静态软件缺陷预测可增强软件系统运行可靠性,针对软件缺陷模块的类别不平衡以及历史数据较少现象,有效结合多核学习技术和集成学习方法,构建基于集成学习的静态软件缺陷预测模型。采用多核学习技术融合不同特征核函数,综合多种核函数优势,获取最好映射性能,提升预测精度;利用集成学习方法的boosting过程,在数据集初始化完成基础上,利用权重更新方法获取各样本对应权重,经多次boosting过程后,得到最终多核集成学习分类器,实现静态软件缺陷预测。实验结果表明:该模型可在绝大部分项目上具备较好的F-measure值和AUC值,预测效果较好;当敏感系数为15,训练集样本数据与测试集杨样本数据比值为2∶1时,该模型预测效果最好。

关键词(KeyWords): 集成学习;静态软件;缺陷预测;多核学习;权重;数据集

Abstract:

Keywords:

基金项目(Foundation): 安徽文达信息工程学院项目(XZR2019A13)

作者(Author): 丁晓梅;

Email:

DOI: 10.13542/j.cnki.51-1747/tn.2021.01.004

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享