10.16452/j.cnki.sdkjzk.2021.02.010
一种软件缺陷不平衡数据分类新方法
针对软件缺陷预测数据中的数据不平衡、预测精度低以及特征维度高的问题,提出了一种RUS-RSMOTE-PCA-Vote的软件缺陷不平衡数据分类方法.首先通过随机欠采样来减少无缺陷样本的数量;在此基础上进行SMOTE过采样,在过采样中综合总体样本的分布状况引入影响因素posFac指导新样本的合成;对经过RUS-RSMOTE混合采样处理后的数据集进行PCA降维,最后应用Vote组合K最近邻、决策树、支持向量机构造集成分类器.在NASA数据集上的实验结果表明,与现有不平衡数据分类方法相比,所提方法在F-value值、G-mean值和AUC值上更优,有效地改善了软件缺陷预测数据集的分类性能.
软件缺陷预测、不平衡数据、混合采样、特征降维、集成分类器
40
TN929.5
国家自然科学基金项目;山东省自然科学基金项目
2021-04-27(万方平台首次上网日期,不代表论文的发表时间)
共11页
84-94