您的位置: 专家智库 > >

吉人

作品数:3 被引量:6H指数:1
供职机构:南通大学更多>>
发文基金:江苏省高等学校大学生实践创新训练计划项目国家自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇专利
  • 1篇期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇预处理
  • 2篇软件质量
  • 2篇软件质量保障
  • 2篇数据集
  • 2篇决策树
  • 2篇抽取
  • 1篇遗传算法
  • 1篇软件缺陷预测
  • 1篇搜索
  • 1篇特征集
  • 1篇基于搜索

机构

  • 3篇南通大学

作者

  • 3篇陈翔
  • 3篇吉人
  • 2篇田丹
  • 2篇王莉萍

传媒

  • 1篇计算机应用研...

年份

  • 1篇2019
  • 1篇2017
  • 1篇2016
3 条 记 录,以下是 1-3
排序方式:
基于两阶段包裹式特征选择的软件缺陷预测方法
基于两阶段包裹式特征选择的软件缺陷预测方法,属于软件质量保障领域。包括如下步骤:(1)挖掘软件项目的版本控制系统和缺陷跟踪系统,从中抽取程序模块;通过对程序模块进行类型标记和软件度量,可以生成缺陷预测数据集D;(2)对缺...
陈翔田丹陆凌姣王莉萍吉人魏世鑫
SBFS:基于搜索的软件缺陷预测特征选择框架被引量:6
2017年
在搜集缺陷预测数据集的时候,由于考虑了大量与代码复杂度或开发过程相关的度量元,造成数据集内存在维数灾难的问题。借助基于搜索的软件工程思想,提出一种新颖的基于搜索的包裹式特征选择框架SBFS。该框架在实现时,首先借助SMOTE方法来缓解数据集内存在的类不平衡问题,随后借助基于遗传算法的特征选择方法,基于训练集选出最优特征子集。在实证研究中,以NASA数据集作为评测对象,以基于前向选择策略的包裹式特征选择方法 FW、基于后向选择策略的包裹式特征选择方法 BW、不进行特征选择的方法 Origin作为基准方法。最终实证研究结果表明:SBFS方法在90%的情况下,不差于Origin法;在82.3%的情况下,不差于BW法;在69.3%的情况下,不差于FW法。除此之外,若基于决策树分类器,则应用SMOTE方法后,可以在71%的情况下提高模型性能;而基于朴素贝叶斯和Logistic回归分类器,则应用SMOTE方法后,仅可以在47%和43%的情况下提高模型的预测性能。
陈翔陆凌姣吉人魏世鑫
关键词:软件缺陷预测
基于类不平衡学习和遗传算法的包裹式特征选择的软件缺陷预测方法
基于类不平衡学习和遗传算法的包裹式特征选择的软件缺陷预测方法,属于软件质量保障领域。包括如下步骤:(1)挖掘软件项目的版本控制系统和缺陷跟踪系统,从中抽取程序模块;通过对程序模块进行类型标记和软件度量,可以生成缺陷预测数...
陈翔田丹陆凌姣王莉萍吉人魏世鑫
文献传递
共1页<1>
聚类工具0