胡敬炉
- 作品数：2 被引量：1H指数：1
- 供职机构：早稻田大学更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金教育部重点实验室开放基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 开源软件缺陷预测方法综述
- 2023年
- 开源软件缺陷预测通过挖掘软件历史仓库的数据,利用与软件缺陷相关的度量元或源代码本身的语法语义特征,借助机器学习或深度学习方法提前发现软件缺陷,从而减少软件修复成本并提高产品质量.漏洞预测则通过挖掘软件实例存储库来提取和标记代码模块,预测新的代码实例是否含有漏洞,减少漏洞发现和修复的成本.通过对2000年至2022年12月软件缺陷预测研究领域的相关文献调研,以机器学习和深度学习为切入点,梳理了基于软件度量和基于语法语义的预测模型.基于这2类模型,分析了软件缺陷预测和漏洞预测之间的区别和联系,并针对数据集来源与处理、代码向量的表征方法、预训练模型的提高、深度学习模型的探索、细粒度预测技术、软件缺陷预测和漏洞预测模型迁移六大前沿热点问题进行了详尽分析,最后指出了软件缺陷预测未来的发展方向.
- 田笑常继友张弛荣景峰王子昱张光华王鹤伍高飞胡敬炉张玉清
- 关键词：软件缺陷预测度量元
- 一种加权的支持向量机及其在储层识别中的应用被引量：1
- 2014年
- 标准支持向量机(SVM)抗噪声能力不强,当训练样本中存在有噪声或者野点时,会影响最优分类面的产生,最终导致分类结果出现偏差。针对这一问题,提出了一种考虑最小包围球的加权支持向量机(WSVM),给每个样本点赋予不同的权值,以此来降低噪声或野点对分类结果的影响。对江汉油田某区块的oilsk81,oilsk83和oilsk85三口油井的测井数据进行交叉验证,其中核函数采用了线性、指数和RBF这3种不同的核函数。测试结果显示,无论是在SVM还是在WSVM中,核函数选择RBF识别率都是最高的,同时提出的WSVM不受核函数的影响,识别稳定性好,且在交叉验证中识别率都能够达到100%。
- 黎金玲李亚楠郭海湘胡敬炉
- 关键词：支持向量机加权支持向量机储层识别测井数据
