-
公开(公告)号：CN116701222A
公开(公告)日：2023-09-05
申请号：CN202310732370.3
申请日：2023-06-20
Applicant: 北京交通大学
IPC: G06F11/36 , G06F18/2415 , G06N20/00
Abstract: 本发明提供一种基于特征加权迁移学习的跨项目软件缺陷预测方法及系统，属于计算机软件缺陷检测技术领域，获取源项目软件级别度量元数据集和待预测的目标项目软件的级别度量元数据集；判断标记的源项目软件级别度量元数据集缺陷率是否大于预设的缺陷率值或者数据集的实例数量的实例数小于预设的值；根据判断结果，使用预先训练好的缺陷检测模型对获取的目标项目软件的级别度量元数据集进行处理，得到跨项目软件缺陷检测结果。本发明在计算实例相似性和实例权重时引入了特征重要性的信息，降低了实例相似性和实例权重的计算偏差；引入了模型自适应调整策略，根据源数据集的特点，自动选择合适的模型构建方案来获得CPDP模型，保证了CPDP模型的鲁棒性。
Search Results
1
records
(took 0.014 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
