10.3969/j.issn.1001-3695.2018.09.057
面向类不平衡数据集的软件缺陷预测模型
软件缺陷数据的类不平衡问题会影响缺陷预测分类的准确性,为解决类不平衡数据对预测分类的影响,针对如何优化数据预处理的算法执行顺序进行了研究,提出了一种有效提升分类效果的软件缺陷预测模型(ASRAdaBoost).该算法模型在根据对照实验确定数据预处理最优顺序后,采用特征选择卡方检验算法,再执行SMOTE过采样与简单采样方法,解决数据类不平衡和属性冗余同时存在的问题,最后结合AdaBoost集成算法,构建出软件缺陷预测模型ASRAdaBoost.实验均采用J48决策树作为基分类器,实验结果表明ASRAdaBoost算法模型有效地提高了软件缺陷预测的准确性,得到了更好的分类效果.
软件缺陷预测、类不平衡数据、特征选择、集成算法
35
TP311.5(计算技术、计算机技术)
国家自然科学基金资助项目61601310;高可靠嵌入式系统技术北京市工程研究中心资助项目2013BAH19F01
2018-12-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
2806-2810