基于改进深度森林算法的软件缺陷预测

摘要：

软件缺陷预测是合理利用软件测试资源、提高软件性能的重要途径.为处理软件缺陷预测模型中浅层机器学习算法无法对软件数据特征进行深度挖掘的问题,提出一种改进深度森林算法——深度堆叠森林(DSF).该算法首先采用随机抽样的方式对软件的原始特征进行变换以增强其特征表达能力,然后用堆叠结构对变换特征做逐层表征学习.将深度堆叠森林应用于Eclipse数据集的缺陷预测中,实验结果表明,该算法在预测性能和时间效率上均比深度森林有明显的提升.

关键词：软件缺陷预测、深度森林、深度堆叠森林、随机抽样、堆叠结构

所属期刊栏目：45

分类号：TP311(计算技术、计算机技术)

资助基金：十三五重点基础科研项目JCKY2016206B001;十三五装备预研项目41401010201;江苏省软件新技术与产业化协同创新中心资助

在线出版日期：2018-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：160-165