基于相对密度的类不平衡软件缺陷预测

摘要：

在软件缺陷预测中,普遍存在软件缺陷数据的类不平衡问题,严重影响着传统预测模型的性能.为了缓解类不平衡对预测模型性能的影响,引入模糊集的思想,提出了一种基于相对密度的模糊加权极限学习机算法.该方法首先采用所提的相对密度方法,即通过精确计算任意不同类训练样本之间的概率密度的比例关系,来计算各样本的类间相对密度,并设计相应隶属函数,求出适用于不同数据样本的加权矩阵,进而将其与传统加权极限学习机结合,并训练模糊极限学习机,最后通过NASA软件缺陷类不平衡数据对所提方法的有效性和可行性进行验证.实验结果表明:与诸多类不平衡软件缺陷预测方法相比,论文方法具有更好的预测性能,并在G-mean、AUC和Balance的评价指标上有较优表现.

关键词：软件缺陷预测、数据不平衡、相对密度、模糊加权

所属期刊栏目：48

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金项目;江苏省自然科学基金项目;中国博士后特别资助计划项目;中国博士后科学基金项目;江苏省博士后基金项目;江苏科技大学2015人才引进项目;江苏省高校面上自然基金

在线出版日期：2020-08-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1393-1399,1459