基于联合表示的软件缺陷预测方法研究

发布时间：2024-01-08 18:09

　　软件缺陷预测技术利用软件开发的历史数据来预测未知软件模块的缺陷信息,能提高软件测试效率。联合表示分类算法中放宽了系数稀疏的要求,可以直接求解目标函数得到表示系数的解析解,显著地降低了计算复杂度。通过分析当前基于联合表示分类算法的研究,提出了三种改进的联合表示软件缺陷预测方法模型。首先,提出了基于加权代价敏感联合表示(WCCR)的软件缺陷预测方法。该方法在表示系数中引入距离权重矩阵以保留数据集的局部信息。当测试样本与训练样本之间的距离小于一定范围时加入代价敏感因子处理类不平衡问题。其次,为了改进样本间距离度量方式来更合理地利用数据的局部信息,提出了基于马氏距离加权代价敏感联合表示(MWCCR)的软件缺陷预测方法。通过构造基于马氏距离的距离矩阵,可以避免异类训练样本的表示系数比同类训练样本的表示系数更大的情况,提高了联合表示模型的准确度。最后,因为引入核方法之后,可以为线性不可分的样本集找到线性决策边界,能改善分类器性能,所以提出了基于分步核联合表示(TPKCR)的软件缺陷预测方法。TPKCR中引入了核方法并分步表示测试样本,提高了分类的准确性。与几种具有代表性的缺陷预测方法相比,在NAS...

【文章页数】：58 页

【学位级别】：硕士

本文编号：3877403