10.3969/j.issn.1673-629X.2016.11.012
基于局部稀疏重构度量学习的软件缺陷预测
随着计算机技术的不断发展,如何准确地预测出软件中潜在的缺陷显得至关重要。近年来,研究者们尝试把一些机器学习方法应用到软件缺陷预测领域中,但是这些方法在分类过程中大多使用了传统的欧氏距离。距离度量学习方法通过挖掘训练样本集的特征信息和标记信息,学习得到有效的距离度量,让样本在基于度量矩阵的新特征空间中具有更好的鉴别可分性。将距离度量学习方法引入到软件缺陷预测中,同时融入了局部稀疏重构信息,提出一种新的软件缺陷预测方法,即局部稀疏重构度量学习方法( LSRML)。该方法学习得到的距离度量具有很好的鉴别性,并有效地解决了噪声敏感问题。在软件工程NASA数据库上的实验结果表明,提出的方法具有较好的缺陷预测效果。
度量学习、软件缺陷预测、稀疏表示、局部信息、鉴别性
26
TP181(自动化基础理论)
国家自然科学基金资助项目61272273
2016-12-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
54-57,62