軟件缺陷預(yù)測是根據(jù)軟件產(chǎn)品中提取的度量信息和已經(jīng)發(fā)現(xiàn)的缺陷來盡早地預(yù)測軟件可能還存在的缺陷,基于預(yù)測結(jié)果可合理分配測試和驗證資源.基于機器學(xué)習(xí)的缺陷預(yù)測技術(shù)能夠較全面地、自動地學(xué)習(xí)模型來發(fā)現(xiàn)軟件中的缺陷,已經(jīng)成為缺陷預(yù)測的主要方法.為了提高預(yù)測的效率和準(zhǔn)確性,對機器學(xué)習(xí)算法的選擇和研究是很關(guān)鍵的.對不同的機器學(xué)習(xí)缺陷預(yù)測方法進行對比分析,發(fā)現(xiàn)各算法在不同評價指標(biāo)上有不同的優(yōu)勢,利用這些優(yōu)勢并結(jié)合機器學(xué)習(xí)中的stacking集成學(xué)習(xí)方法提出了將不同預(yù)測算法的預(yù)測結(jié)果作為軟件度量并進行再次預(yù)測的基于組合機器學(xué)習(xí)算法的軟件缺陷預(yù)測模型,最后用該模型對Eclipse數(shù)據(jù)集進行實驗,表明了該模型的有效性.

【文章頁數(shù)】：9 頁

【文章目錄】：
1 基于機器學(xué)習(xí)的缺陷預(yù)測模型
    1.1 缺陷預(yù)測模型
        1.1.1 分類
        1.1.2 排序
    1.2 機器學(xué)習(xí)算法
2 基于機器學(xué)習(xí)的缺陷預(yù)測模型
    2.1 提出問題
    2.2 基于組合的機器學(xué)習(xí)算法的缺陷預(yù)測模型
        2.2.1 數(shù)據(jù)預(yù)處理
        2.2.2 組合預(yù)測模型
        2.2.3 評價指標(biāo)
3 實驗與分析
    3.1 實驗準(zhǔn)備
    3.2 實驗結(jié)果
        3.2.1 分類預(yù)測
        3.2.2 排序預(yù)測
4 總結(jié)與展望



本文編號：3785121