公开(公告)号：CN111400180A

公开(公告)日：2020-07-10

申请号：CN202010177397.7

申请日：2020-03-13

Applicant: 上海海事大学

Inventor： 李璐璐 ,  任洪敏 ,  朱云龙 ,  卢晓喆

IPC: G06F11/36 ,  G06K9/62 ,  G06N3/12

Abstract: 本发明公开了一种基于特征集划分和集成学习的软件缺陷预测方法，该方法将原始数据集划分为训练数据集和测试数据集，将训练数据集分为若干个特征子集；选择K个基分类器用于集成学习，再根据基分类器及其对应的权重合成每个特征子集的集成分类器；选择出与输入实例最相似的特征子集，并以其集成分类器对输入实例进行缺陷预测，建立软件缺陷预测模型；对测试数据集进行划分并寻找与输入实例最相似的特征子集；搜索质心集和权重集的最优取值，结合测试数据集的最相似特征子集，优化软件缺陷预测模型。其优点是：该方法不仅可以移除缺陷预测数据集中的冗余特征，减小算法的搜索空间，还可以有效缓解软件缺陷历史数据特征维度高的问题。

公开(公告)号：CN111400180B

公开(公告)日：2023-03-10

申请号：CN202010177397.7

申请日：2020-03-13

Applicant: 上海海事大学

Inventor： 李璐璐 ,  任洪敏 ,  朱云龙 ,  卢晓喆

IPC: G06F11/36 ,  G06F18/241 ,  G06F18/214 ,  G06N3/126

Abstract: 本发明公开了一种基于特征集划分和集成学习的软件缺陷预测方法，该方法将原始数据集划分为训练数据集和测试数据集，将训练数据集分为若干个特征子集；选择K个基分类器用于集成学习，再根据基分类器及其对应的权重合成每个特征子集的集成分类器；选择出与输入实例最相似的特征子集，并以其集成分类器对输入实例进行缺陷预测，建立软件缺陷预测模型；对测试数据集进行划分并寻找与输入实例最相似的特征子集；搜索质心集和权重集的最优取值，结合测试数据集的最相似特征子集，优化软件缺陷预测模型。其优点是：该方法不仅可以移除缺陷预测数据集中的冗余特征，减小算法的搜索空间，还可以有效缓解软件缺陷历史数据特征维度高的问题。