基于实例迁移的跨项目软件缺陷预测

摘要：

跨项目软件缺陷预测是解决项目初期缺陷预测缺乏数据集的有效途径,但是项目间的差异性降低了预测准确率.针对这一问题,研究提出了基于实例迁移的跨项目缺陷预测方法.该方法采用迁移学习和自适应增强技术,从其他项目数据集中提取并迁移转化出与目标数据集关联性高的训练数据集,训练出更有效的预测模型.使用PROMISE数据集进行了对比实验,结果表明所提出的新方法有效避免了单源单目标缺陷预测两极分化问题,获得了更高的预测准确率和查全率;在目标项目数据集不足的情况下,能达到甚至超过数据集充足时项目内缺陷预测的预测效果.

关键词：跨项目缺陷预测、迁移学习、基于实例的迁移、自适应增强

所属期刊栏目：10

分类号：TP311.5(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No.61472242;the National Basic Research Program of China under Grant No.2015CB352203国家重点基础研究发展计划973计划

在线出版日期：2016-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：43-55