基于局部稀疏重构度量学习的软件缺陷预测

摘要：

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。

关键词：度量学习、软件缺陷预测、稀疏表示、局部信息、鉴别性

所属期刊栏目：26

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目61272273

在线出版日期：2016-12-08（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：54-57,62