10.11772/j.issn.1001-9081.2014.08.2291
结合欠抽样与集成的软件缺陷预测
软件缺陷预测是提高测试效率、保证软件可靠性的重要途径.为了提高软件缺陷预测的准确率,提出一种结合欠抽样与决策树分类器集成的软件缺陷预测模型.考虑到软件缺陷数据的类不平衡特性,首先,通过数据的不平衡率确定抽样度,执行欠抽样实现数据的重新平衡;然后,采用Bagging随机抽样原理训练若干个决策树子分类器;最后,按照少数服从多数的原则生成预测模型.使用公开的NASA软件缺陷预测数据集进行了仿真实验.实验结果表明,与3种基准方法对比,所提模型在保证预报率的前提下,误报率(PF)降低了10%以上,综合评价指标均有显著提升.该模型的缺陷预测误报率较低,而且具有较高的预测准确率与稳定性.
软件缺陷预测、类不平衡数据、欠抽样、决策树、集成算法
34
TP311.5;TP18(计算技术、计算机技术)
新疆维吾尔自治区高校科研计划项目XJEDU2012S28;教育部人文社会科学研究青年基金资助项目11YJC870014;国家自然科学基金资助项目61262065;新疆师范大学重点实验室基金资助项目WLYQ2012108
2014-10-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
2291-2294,2310