应用非线性加权的集成学习软件缺陷序列预测算法
针对当前软件缺陷序列预测算法准确度不高的问题,提出了基于非线性加权的集成学习软件缺陷序列预测算法(NLWEPrediction).该算法在常见线性集成预测算法的基础上增加了非线性回归项,回归项代表了集成预测算法中基预测算法之间的相互关系,修正了线性集成预测的偏差,并通过梯度下降法求解了模型中的参数.实验表明:NLWEPrediction在14个软件缺陷数据集上的均方误差均小于250,并且平均绝对误差均小于13.通过与基预测算法、集成预测Bag-ging、Stacking算法和只考虑两个分类器关系的非线性加权集成学习算法进行对比,可以看出,NLWEPrediction预测算法的均方误差和平均绝对误差显著减小,预测精度显著提高,说明在线性集成预测算法基础上增加非线性回归项,能够有效提高集成学习算法的分类效果.
软件缺陷序列、预测算法、软件缺陷、集成学习
51
O121.8(初等数学)
国家自然科学基金资助项目61402355;中央高校基本科研业务费专项基金资助项目jj2014050
2017-08-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
156-161