PU场景下基于迁移学习的软件缺陷预测

摘要：

为降低软件缺陷预测对标注样本的需求,将软件缺陷预测问题模型化为PU场景下的迁移学习问题.不对要进行软件缺陷预测的目标领域样本标注类别,只对跨工程的源领域数据集标注部分正例样本,结合数据引力方法基于样本进行迁移学习,利用贝叶斯理论在源领域缺陷数据集和目标数据集上估算概率参数,构建软件缺陷预测算法TPAODE.实验结果表明,TPAODE算法比PNB和PTAN算法具有更好的缺陷预测性能,仅需标注少量正例样本的跨项目缺陷数据,即可具有较好的软件缺陷预测性能.

关键词：迁移学习、实例迁移、软件缺陷预测、正例未标注学习、贝叶斯算法

所属期刊栏目：39

分类号：TP311.5(计算技术、计算机技术)

资助基金：国家自然科学基金项目61602388;中央高校基本科研业务费专项基金项目2452015193、2452015194、2452016081

在线出版日期：2018-06-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：663-667