10.19678/j.issn.1000-3428.0055054
基于实例过滤与迁移的跨项目缺陷预测方法
在跨项目软件缺陷预测中,人工采集标注的原始数据集通常包含噪声数据,并且源项目与目标项目之间的数据存在较大的分布差异性.针对该问题,提出一种两阶段跨项目缺陷预测方法CLNI-KMM.在实例过滤阶段,基于CLNI算法过滤噪声实例.在实例迁移阶段,采用KMM算法调整源项目中实例的训练权重,并结合目标项目中的少量标注实例建立软件缺陷预测模型.实验结果表明,与经典的跨项目软件缺陷预测方法TCA、TNB和NNFilter相比,CLNI-KMM方法预测性能较优,并且具有较强的稳定性.
跨项目缺陷预测、噪声数据、分布差异、实例过滤、实例迁移
46
TP18(自动化基础理论)
国家自然科学基金;上海市浦江人才资助计划;上海市自然科学基金;华东理工大学教育科研基金
2020-09-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
197-202,209