-
公开(公告)号：CN114860595A
公开(公告)日：2022-08-05
申请号：CN202210491038.8
申请日：2022-05-07
申请人： 南通大学
摘要： 本发明属于软件缺陷预测技术领域，提供一种基于特征相关性分析的实例选择跨项目缺陷预测方法，包括如下步骤：S1、构建项目实例向量集CPIVS；S2、构建相关性权重索引集CWIS；S3、构建相关性特征集CFS；S4、计算实例相关性特征之间距离；S5、构建基于相关性训练集CTS；S6、构建基于特征相关性分析的实例选择跨项目缺陷预测方法FCADP。本发明通过计算每一个目标实例选择出的项目特征与源项目选择出的特征之间的相似度进行源实例选择，将选出的所有源实例组成训练数据集，根据目标实例特征进一步合理的选择源实例。
-
公开(公告)号：CN115269378B
公开(公告)日：2023-06-09
申请号：CN202210717461.5
申请日：2022-06-23
申请人： 南通大学
IPC分类号： G06F11/36 , G06F18/2113 , G06F18/22 , G06F18/214
摘要： 本发明提供一种基于域特征分布的跨项目软件缺陷预测方法，包括如下步骤：S1、构建项目向量集PVS；S2、构建源域实例候选索引集SDCI；S3、构建源域实例候选集SDCS；S4、构建适应域特征分布索引DFDI；S5、构建适应域特征分布的训练集DFDD；S6、构建基于域特征分布的跨项目软件缺陷预测方法DFDCP。本发明提出一种基于域特征分布的跨项目软件缺陷预测方法，在源域实例候选集中，由目标实例的去均值化向量进行实例再选择，构建适应域特征分布的实例集，使用该方法构建的训练集有利于进一步建立精确的跨项目缺陷预测模型，实现更好的跨项目缺陷预测效果。
-
公开(公告)号：CN114579468A
公开(公告)日：2022-06-03
申请号：CN202210276660.7
申请日：2022-03-21
申请人： 南通大学
摘要： 本发明提供一种基于语义度量值的源项目选择软件缺陷预测方法，包括如下步骤：S1、使用AST构建源代码的抽象语法树；S2、将抽象语法树转换成向量；S3、计算源代码的语义度量值；S4、融合语义度量值和传统度量值；S5、使用源项目选择策略SPGather对项目集选择；S6、使用迁移学习缩小源域和目标域的数据差异；S7、构建分类模型方法集CMMS；S8、构建基于语义度量值的源项目选择缺陷预测方法BSCPM。本发明提出基于语义度量值的源项目选择软件缺陷预测方法，可以为目标项目选择更好的源项目，该方法有助于提高软件缺陷预测的效率和实现更好的预测效果。
-
公开(公告)号：CN114968764A
公开(公告)日：2022-08-30
申请号：CN202210445965.6
申请日：2022-04-26
申请人： 南通大学
摘要： 本发明属于软件缺陷预测的技术领域，提供一种基于代码语义融合传统度量元的软件缺陷预测方法，包括如下步骤：S1、获取项目传统度量元；S2、构建项目代码实例向量集PCIVS；S3、构建语义提取器SEM；S4、生成语义向量集GSVS；S5、构建语义融合器SCM；S6、生成组合语义向量集CSVS；S7、构建缺陷预测分类模型；S8、构建基于代码语义融合传统度量元的软件缺陷预测方法MSFDP。本发明使用特征提取器提取代码中潜在的语义信息，并融合人工提取的传统度量元，使用组合的语义向量表示构建缺陷预测分类模型，弥补使用传统度量元建立预测模型方法的不足，提高软件使用的稳定性，进一步帮助开发人员及早的发现软件缺陷，优化测试资源分配。
-
公开(公告)号：CN114781542A
公开(公告)日：2022-07-22
申请号：CN202210501969.1
申请日：2022-05-09
申请人： 南通大学
摘要： 本发明提供一种基于动态特征引导实例选择的跨项目缺陷预测方法，包括如下步骤：S1、构建项目实例向量集CPIVS；S2、构建预训练动态特征PREDF；S3、计算预训练动态特征与实例特征之间距离；S4、构建引导实例选择索引集GISI；S5、构建基于动态特征引导实例选择的训练集DFD；S6、构建基于动态特征引导实例选择的跨项目缺陷预测方法DFGIS。本发明通过动态调整实例集特征实现更加准确的源实例选择，使用该方法构建的训练集有利于建立精确的跨项目缺陷预测模型，进一步提高跨项目缺陷预测效果。
-
公开(公告)号：CN114564410A
公开(公告)日：2022-05-31
申请号：CN202210277028.4
申请日：2022-03-21
申请人： 南通大学
摘要： 本发明提供一种基于类级别源代码相似性的软件缺陷预测方法，包括如下步骤：S1、构建数据集；S2、构建源码节点集BAset；S3、构建量化源码节点集DTset；S4、构建相似度值集合BCset；S5、获取最优的类实例数方法GMmethod；S6、构建基于类级别源代码相似性的软件缺陷预测方法CL‑SCS。本发明提出细粒度级别的源项目选择方法，可为后续得数据训练提供更好的源项目，该方法能够有效提升软件缺陷预测效果。
-
公开(公告)号：CN115269377A
公开(公告)日：2022-11-01
申请号：CN202210717428.2
申请日：2022-06-23
申请人： 南通大学
摘要： 本发明提供一种基于优化实例选择的跨项目软件缺陷预测方法，包括如下步骤：S1、构建项目向量集PVS；S2、构建目标实例优化索引IPI；S3、构建预训练集TPRED；S4、构建目标项目的优化索引TPOI；S5、构建基于优化实例选择的训练集BOD；S6、构建基于优化实例选择的跨项目软件缺陷预测方法BOICP。本发明提出一种基于优化实例选择的跨项目软件缺陷预测方法，通过构建目标实例全局特征向量实现源实例选择，然后使用相关性分析进一步优化实例选择，使用该方法构建的训练集有利于选择可靠的实例数据，实现更好的跨项目缺陷预测效果。
-
公开(公告)号：CN114821054A
公开(公告)日：2022-07-29
申请号：CN202210446165.6
申请日：2022-04-26
申请人： 南通大学
摘要： 本发明提供一种基于源码可视化的软件缺陷预测方法，包括如下步骤：S1、构建数据集DATASET；S2、构建源码像素节点集Vdata；S3、构建阿尔法合成三原色组合方法Vcode；S4、构建基于VPE方法的深度学习网络；S5、构建基于源码可视化的软件缺陷预测方法。本发明缩短跨项目间数据分布差异，提高深度学习模型输入数据集的有效性，能够大幅辅助软件开发人员使用该预测模型来减少软件开发过程中的缺陷，具有较高的准确率和效率。本发明结合相应的深度学习模型进行软件缺陷预测，提高软件缺陷预测模型的准确性。
-
公开(公告)号：CN114565063A
公开(公告)日：2022-05-31
申请号：CN202210336797.7
申请日：2022-03-31
申请人： 南通大学
摘要： 本发明提供一种基于多语义提取器的软件缺陷预测方法，包括如下步骤：S1、构建源项目代码实例向量集VOSPCI；S2、构建目标项目代码实例向量集VOTPCI；S3、构建语义提取器GSEM；S4、组建多种语义列表MS‑list；S5、构建分类方法集SOCM；S6、语义列表分类结果分析；S7、与传统度量元结果比较；S8、构建基于多语义提取器的软件缺陷预测方法DPMSE。本发明提出一种基于多语义提取器的软件缺陷预测方法，可以有效的提取源代码中的语义信息，有助于提高缺陷预测的准确度和达到更好的预测效果。
-
公开(公告)号：CN113176998A
公开(公告)日：2021-07-27
申请号：CN202110503077.0
申请日：2021-05-10
申请人： 南通大学
IPC分类号： G06F11/36
摘要： 本发明提供一种基于源选择的跨项目软件缺陷预测方法，包括如下步骤：S1、数据集构建；S2、构建特征选择方法集FSelection；S3、获取最优特征选择方法BFMethod；S4、获取最优特征数量FThreshold；S5、构建源项目选择方法集SPSelection；S6、构建基于源选择的跨项目缺陷预测方法CPSPM。本发明提出多种源项目选择方法，可以为后续数据训练提供更好的源项目，该方法能有效提高软件缺陷预测的效率。
-
-
-
-
-
-
-
-
-
搜索结果
13 条记录 (耗时 0.019 秒)
