基于堆叠降噪稀疏自动编码器的软件缺陷预测

摘要：

特征提取是软件缺陷预测中的关键步骤,特征提取的质量决定了缺陷预测模型的性能,但传统的特征提取方法难以提取出软件缺陷数据的深层本质特征.深度学习理论中的自动编码器能够从原始数据中自动学习特征,并获得其特征表示,同时为了增强自动编码器的鲁棒性,本文提出一种基于堆叠降噪稀疏自动编码器的特征提取方法,通过设置不同的隐藏层数、稀疏性约束和加噪方式,可以直接高效地从软件缺陷数据中提取出分类预测所需的各层次特征表示.利用Eclipse缺陷数据集的实验结果表明,该方法较传统特征提取方法具有更好的性能.

关键词：软件缺陷预测、特征提取、深度学习、堆叠降噪稀疏自动编码器

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

在线出版日期：2018-10-23（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：65-69,126