本文關(guān)鍵詞：魚群優(yōu)化的多核支持向量機在軟件缺陷預(yù)測中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：軟件產(chǎn)業(yè)已經(jīng)成為評價國家綜合實力的重要指標之一。在發(fā)展軟件產(chǎn)業(yè)的同時,隨著軟件復(fù)雜性加大和人的能力有限,難免會造成各種各樣的缺陷,而缺陷的存在給人的財產(chǎn)安全、生命健康,甚至國家安全帶來了嚴重的威脅。因此,及早的發(fā)現(xiàn)潛在的缺陷是一個迫切需要解決的問題,軟件缺陷預(yù)測技術(shù)為解決該問題提供了有意義的指導。軟件缺陷預(yù)測的目的之一就是通過特定方法判斷模塊存在缺陷的傾向性,即判斷模塊是否有缺陷。該過程可以看作是一個模式識別過程,它的核心是分類問題。因此,本文以在二值分類方面被廣泛使用的支持向量機為基礎(chǔ)來進行軟件缺陷預(yù)測。主要從核函數(shù)改進和參數(shù)尋優(yōu)兩個方面來對算法進行優(yōu)化,最后將優(yōu)化的多核支持向量機應(yīng)用于軟件缺陷預(yù)測。主要工作包括:(1)針對高斯核函數(shù)泛化推廣效果不佳問題,給出改進的高斯核函數(shù),通過和傳統(tǒng)高斯核函數(shù)對比,發(fā)現(xiàn)改進后的高斯核函數(shù)不但保持了原有的局部學習能力強的特點,還提高了分類器的泛化推廣能力。(2)鑒于全局性核函數(shù)泛化推廣能力強,局部性核函數(shù)學習能力好,提出將多項式核函數(shù)和改進的高斯核函數(shù)結(jié)合,建立一種混合核的支持向量機算法。(3)針對在軟件缺陷預(yù)測中分類器的參數(shù)選取直接影響最終預(yù)測結(jié)果的問題,分析比較了支持向量機參數(shù)選取的幾種常用方法對分類器分類效果和時間復(fù)雜度的影響。認為采用人工魚群算法選取改進支持向量機的參數(shù)的效果更好,并給出具體的參數(shù)自動尋優(yōu)方法。(4)提出一種人工魚群優(yōu)化多核支持向量機的軟件缺陷預(yù)測方法,在NASA MDP數(shù)據(jù)集下,將本文方法與用于軟件缺陷預(yù)測的支持向量機方法、貝葉斯方法及BP神經(jīng)網(wǎng)絡(luò)方法進行對比,結(jié)果表明本文提出的缺陷預(yù)測方法的準確率、查準率和查全率等評估指標均比其他方法更優(yōu)。
【關(guān)鍵詞】：軟件缺陷預(yù)測 支持向量機 高斯核函數(shù) 多核函數(shù) 參數(shù)自動尋優(yōu)
【學位授予單位】：重慶師范大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP311.53;TP18
【目錄】：

• 中文摘要5-6
• 英文摘要6-10
• 1 緒論10-16
• 1.1 研究背景和意義10
• 1.2 研究現(xiàn)狀10-13
• 1.3 本文的研究內(nèi)容13-14
• 1.4 本文的組織結(jié)構(gòu)14-16
• 2 軟件缺陷預(yù)測相關(guān)理論16-23
• 2.1 軟件缺陷16-17
• 2.1.1 軟件缺陷的概念16
• 2.1.2 軟件缺陷的成因16-17
• 2.2 軟件復(fù)雜性度量17-19
• 2.3 軟件復(fù)雜性度量與軟件缺陷預(yù)測的聯(lián)系19
• 2.4 軟件缺陷預(yù)測19-22
• 2.4.1 軟件缺陷預(yù)測過程19-20
• 2.4.2 軟件缺陷預(yù)測方法評價20-21
• 2.4.3 軟件缺陷預(yù)測常用實驗數(shù)據(jù)集21-22
• 2.5 本章小結(jié)22-23
• 3 基于改進高斯核函數(shù)的多核支持向量機23-33
• 3.1 支持向量機概述23-26
• 3.1.1 支持向量機基本理論23-24
• 3.1.2 支持向量機核函數(shù)24-26
• 3.2 高斯核函數(shù)26-29
• 3.3 改進的高斯核函數(shù)29-30
• 3.4 改進高斯核函數(shù)的組合核函數(shù)30-31
• 3.5 組合核支持向量機31
• 3.6 組合核支持向量機的參數(shù)影響分析31-32
• 3.7 本章小結(jié)32-33
• 4 魚群優(yōu)化基于改進高斯核函數(shù)的多核支持向量機參數(shù)33-43
• 4.1 SVM參數(shù)優(yōu)化的幾種方法33-36
• 4.2 人工魚群算法36-38
• 4.3 人工魚群算法優(yōu)化MGMSVM的參數(shù)38-40
• 4.4 實驗分析40-42
• 4.4.1 實驗設(shè)計40
• 4.4.2 實驗數(shù)據(jù)集40-41
• 4.4.3 實驗結(jié)果與分析41-42
• 4.5 本章小結(jié)42-43
• 5 AFSA優(yōu)化的MGMSVM在軟件缺陷預(yù)測中的應(yīng)用43-52
• 5.1 基于AFSA優(yōu)化MGMSVM的軟件缺陷預(yù)測方法43-45
• 5.2 實驗與分析45-51
• 5.2.1 實驗設(shè)計45-46
• 5.2.2 數(shù)據(jù)集與數(shù)據(jù)預(yù)處理46-47
• 5.2.3 評價方法47
• 5.2.4 參數(shù)選取47-48
• 5.2.5 實驗結(jié)果與分析48-51
• 5.3 本章小結(jié)51-52
• 6 總結(jié)與展望52-54
• 6.1 總結(jié)52
• 6.2 展望52-54
• 參考文獻54-59
• 附錄：作者在攻讀碩士學位期間發(fā)表論文及科研情況59-60
• 致謝60

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 ;軟件缺陷詞典正在制定[J];軟件世界;2007年06期

2 王德勝;宮云戰(zhàn);;論軟件缺陷[J];計算機應(yīng)用研究;2008年12期

3 聶劍平;韓柯;陳光;曹旭;;軟件缺陷增長過程的混沌分析[J];計算機工程與應(yīng)用;2008年11期

4 劉海;郝克剛;;軟件缺陷數(shù)據(jù)的分析方法及其實現(xiàn)[J];計算機科學;2008年08期

5 熊斐;李建忠;徐中望;;軟件缺陷管理與防范[J];科技創(chuàng)新導報;2009年04期

6 石劍飛;楊欣;秦瑋;閆懷志;;一種軟件缺陷預(yù)測改進模型的研究[J];北京理工大學學報;2010年09期

7 繆林松;;基于代價敏感神經(jīng)網(wǎng)絡(luò)算法的軟件缺陷預(yù)測[J];電子科技;2012年06期

8 朱小燕;曲俊燕;;淺析軟件缺陷的問題[J];無線互聯(lián)科技;2013年04期

9 田華;蒲天銀;;基于遷移學習的軟件缺陷預(yù)測方法研究[J];西南師范大學學報(自然科學版);2014年03期

10 宮云戰(zhàn);論軟件缺陷[J];裝甲兵工程學院學報;2003年01期

中國重要會議論文全文數(shù)據(jù)庫 前8條

1 趙修湘;石勇;劉瑩;張玲玲;;文本分類在軟件缺陷管理中的應(yīng)用[A];第四屆（2009）中國管理學年會——管理科學與工程分會場論文集[C];2009年

2 李立清;;軟件缺陷數(shù)據(jù)的分析和預(yù)測[A];第三屆中國測試學術(shù)會議論文集[C];2004年

3 李立清;;用軟件缺陷數(shù)據(jù)進行缺陷預(yù)測[A];中國工程物理研究院科技年報（2005）[C];2005年

4 趙亮;侯金寶;;文件和包層次的軟件缺陷預(yù)測研究[A];第十四屆全國容錯計算學術(shù)會議(CFTC'2011)論文集[C];2011年

5 于秀山;王廣儉;;軟件缺陷管理[A];中國電子學會可靠性分會第十三屆學術(shù)年會論文選[C];2006年

6 寇綱;彭怡;石勇;;基于數(shù)據(jù)挖掘的軟件缺陷度量評估管理及研究現(xiàn)狀綜述[A];第三屆（2008）中國管理學年會——信息管理分會場論文集[C];2008年

7 高通;焦彥平;龔波;;基于曲線擬合的軟件缺陷排除成本預(yù)測[A];2010年全國通信安全學術(shù)會議論文集[C];2010年

8 涂亞明;毛軍鵬;余靜;尹磊;;系統(tǒng)測試階段的軟件缺陷預(yù)測模型分析[A];第六屆中國測試學術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前7條

1 謝敏、戴金龍;追蹤每一個軟件缺陷[N];計算機世界;2005年

2 學健;可怕的不是缺陷本身[N];計算機世界;2001年

3 ;Firefox、IE中發(fā)現(xiàn)缺陷[N];計算機世界;2005年

4 道瓊斯;小電腦 大雄心[N];人民郵電;2007年

5 特約撰稿 朱顏鎮(zhèn);萬維易化項目管理力助電信運營商[N];通信信息報;2004年

6 ;Microsoft計劃推出Windows Server SP1[N];計算機世界;2004年

7 記者 王俊鳴;美專家認為因特網(wǎng)中樞有漏洞[N];科技日報;2001年

中國博士學位論文全文數(shù)據(jù)庫 前7條

1 Gabriel Kofi Armah;[D];電子科技大學;2015年

2 單純;軟件缺陷分布預(yù)測技術(shù)及應(yīng)用研究[D];北京理工大學;2015年

3 王偉光;動態(tài)軟件缺陷測試關(guān)鍵技術(shù)研究[D];南京大學;2016年

4 陳媛;基于數(shù)據(jù)挖掘的軟件缺陷預(yù)測技術(shù)研究[D];中國科學院研究生院（長春光學精密機械與物理研究所）;2012年

5 馬櫻;基于機器學習的軟件缺陷預(yù)測技術(shù)研究[D];電子科技大學;2012年

6 張凱;軟件缺陷混沌分形描述與軟件質(zhì)量進化度量的研究[D];武漢理工大學;2005年

7 楊曉杏;基于度量元的軟件缺陷預(yù)測技術(shù)[D];中國科學技術(shù)大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 趙長凱;軟件缺陷管理與預(yù)測系統(tǒng)的設(shè)計[D];復(fù)旦大學;2013年

2 張亮;基于改進BP算法的軟件缺陷預(yù)測模型研究[D];北京理工大學;2015年

3 王男帥;基于遺傳優(yōu)化支持向量機的軟件缺陷預(yù)測模型研究[D];北京理工大學;2015年

4 陳艷;軟件缺陷管理技術(shù)研究與實現(xiàn)[D];電子科技大學;2014年

5 李碧雯;基于遷移學習的跨項目軟件缺陷預(yù)測[D];上海交通大學;2015年

6 梁天超;一種基于人工免疫樸素貝葉斯方法的軟件缺陷預(yù)測模型[D];南京郵電大學;2015年

7 陸海洋;基于特征提取和代價敏感學習的軟件缺陷預(yù)測方法研究[D];南京郵電大學;2015年

8 劉海林;基于LDA的軟件缺陷組件預(yù)測研究與實現(xiàn)[D];重慶大學;2015年

9 楊磊;面向不平衡數(shù)據(jù)的軟件缺陷預(yù)測方法研究[D];中國石油大學(華東);2014年

10 陳家強;軟件缺陷預(yù)測中數(shù)據(jù)預(yù)處理技術(shù)研究[D];南京大學;2014年

  本文關(guān)鍵詞：魚群優(yōu)化的多核支持向量機在軟件缺陷預(yù)測中的應(yīng)用，，由筆耕文化傳播整理發(fā)布。

本文編號：431990