结合特征对齐与实例迁移的跨项目缺陷预测

摘要：

为解决跨项目缺陷预测中源项目和目标项目分布差异较大的问题,提出了一种基于特征对齐和实例迁移的两阶段缺陷预测方法(FAIT).首先,在特征对齐阶段,根据边缘概率分布进行特征的边缘分布对齐;然后,基于源项目和目标项目构建条件分布映射矩阵完成条件分布对齐;最后,在实例迁移阶段,通过改进了权重调整策略的TrAdaBoost方法构建跨项目缺陷预测模型.以F1作为评价指标,当目标项目有标签实例比例为20％时,FAIT性能最佳,且两过程特征对齐优于单一过程特征对齐.此外,FAIT的预测性能在AEEEM和NASA数据集上分别提高了 10.69％、15.04％.FAIT在一定程度上解决了源项目与目标项目的分布差异,能够取得较好的缺陷预测性能.

关键词：跨项目缺陷预测、特征对齐、最大均值差异、实例迁移、TrAdaBoost

所属期刊栏目：40

分类号：TP311.5(计算技术、计算机技术)

资助基金：黑龙江省教育科学规划课题GJB1421251

在线出版日期：2023-10-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：3091-3099