基于加权RFE-Bayes方法的软件缺陷预测模型

摘要：

近年来，软件缺陷预测逐渐成为软件工程领域的重要内容。很多典型的机器学习方法已经被应用到软件缺陷预测中，包括SVM、随机森林、决策树和朴素贝叶斯等。早期的研究工作对所有软件产品采取相同的特征提取方式，分类效果并不理想。后来一些特征选择方法被提出，比如基于启发试的回归特征消除方法已经成功与SVM方法结合起来，取得了较好的效果。文中在现有工作基础上借鉴了RFE(回归特征消除)的思想，考虑到朴素贝叶斯方法在处理小样本分类问题时的优越性，首次将RFE与朴素贝叶斯方法结合起来，利用贝叶斯模型的特性在特征选择后将特征权值应用到对分类决策的改进中，进一步提高了分类器性能。实验采用NASA的软件缺陷数据集，并对比了其他效果较好的分类算法，体现了该算法的优越性和有效性。

关键词：软件缺陷、特征选择、朴素贝叶斯、缺陷预测

分类号：TP31(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61272273;江苏省333工程项目BRA2011175;南京邮电大学校科研项目XJKY14016

在线出版日期：2015-11-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：131-134,139