鱼群优化的多核支持向量机在软件缺陷预测中的应用

发布时间：2017-06-08 09:03

  本文关键词：鱼群优化的多核支持向量机在软件缺陷预测中的应用，由笔耕文化传播整理发布。

【摘要】：软件产业已经成为评价国家综合实力的重要指标之一。在发展软件产业的同时,随着软件复杂性加大和人的能力有限,难免会造成各种各样的缺陷,而缺陷的存在给人的财产安全、生命健康,甚至国家安全带来了严重的威胁。因此,及早的发现潜在的缺陷是一个迫切需要解决的问题,软件缺陷预测技术为解决该问题提供了有意义的指导。软件缺陷预测的目的之一就是通过特定方法判断模块存在缺陷的倾向性,即判断模块是否有缺陷。该过程可以看作是一个模式识别过程,它的核心是分类问题。因此,本文以在二值分类方面被广泛使用的支持向量机为基础来进行软件缺陷预测。主要从核函数改进和参数寻优两个方面来对算法进行优化,最后将优化的多核支持向量机应用于软件缺陷预测。主要工作包括:(1)针对高斯核函数泛化推广效果不佳问题,给出改进的高斯核函数,通过和传统高斯核函数对比,发现改进后的高斯核函数不但保持了原有的局部学习能力强的特点,还提高了分类器的泛化推广能力。(2)鉴于全局性核函数泛化推广能力强,局部性核函数学习能力好,提出将多项式核函数和改进的高斯核函数结合,建立一种混合核的支持向量机算法。(3)针对在软件缺陷预测中分类器的参数选取直接影响最终预测结果的问题,分析比较了支持向量机参数选取的几种常用方法对分类器分类效果和时间复杂度的影响。认为采用人工鱼群算法选取改进支持向量机的参数的效果更好,并给出具体的参数自动寻优方法。(4)提出一种人工鱼群优化多核支持向量机的软件缺陷预测方法,在NASA MDP数据集下,将本文方法与用于软件缺陷预测的支持向量机方法、贝叶斯方法及BP神经网络方法进行对比,结果表明本文提出的缺陷预测方法的准确率、查准率和查全率等评估指标均比其他方法更优。
【关键词】：软件缺陷预测 支持向量机 高斯核函数 多核函数 参数自动寻优
【学位授予单位】：重庆师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP311.53;TP18
【目录】：

• 中文摘要5-6
• 英文摘要6-10
• 1 绪论10-16
• 1.1 研究背景和意义10
• 1.2 研究现状10-13
• 1.3 本文的研究内容13-14
• 1.4 本文的组织结构14-16
• 2 软件缺陷预测相关理论16-23
• 2.1 软件缺陷16-17
• 2.1.1 软件缺陷的概念16
• 2.1.2 软件缺陷的成因16-17
• 2.2 软件复杂性度量17-19
• 2.3 软件复杂性度量与软件缺陷预测的联系19
• 2.4 软件缺陷预测19-22
• 2.4.1 软件缺陷预测过程19-20
• 2.4.2 软件缺陷预测方法评价20-21
• 2.4.3 软件缺陷预测常用实验数据集21-22
• 2.5 本章小结22-23
• 3 基于改进高斯核函数的多核支持向量机23-33
• 3.1 支持向量机概述23-26
• 3.1.1 支持向量机基本理论23-24
• 3.1.2 支持向量机核函数24-26
• 3.2 高斯核函数26-29
• 3.3 改进的高斯核函数29-30
• 3.4 改进高斯核函数的组合核函数30-31
• 3.5 组合核支持向量机31
• 3.6 组合核支持向量机的参数影响分析31-32
• 3.7 本章小结32-33
• 4 鱼群优化基于改进高斯核函数的多核支持向量机参数33-43
• 4.1 SVM参数优化的几种方法33-36
• 4.2 人工鱼群算法36-38
• 4.3 人工鱼群算法优化MGMSVM的参数38-40
• 4.4 实验分析40-42
• 4.4.1 实验设计40
• 4.4.2 实验数据集40-41
• 4.4.3 实验结果与分析41-42
• 4.5 本章小结42-43
• 5 AFSA优化的MGMSVM在软件缺陷预测中的应用43-52
• 5.1 基于AFSA优化MGMSVM的软件缺陷预测方法43-45
• 5.2 实验与分析45-51
• 5.2.1 实验设计45-46
• 5.2.2 数据集与数据预处理46-47
• 5.2.3 评价方法47
• 5.2.4 参数选取47-48
• 5.2.5 实验结果与分析48-51
• 5.3 本章小结51-52
• 6 总结与展望52-54
• 6.1 总结52
• 6.2 展望52-54
• 参考文献54-59
• 附录：作者在攻读硕士学位期间发表论文及科研情况59-60
• 致谢60

【相似文献】

中国期刊全文数据库 前10条

1 ;软件缺陷词典正在制定[J];软件世界;2007年06期

2 王德胜;宫云战;;论软件缺陷[J];计算机应用研究;2008年12期

3 聂剑平;韩柯;陈光;曹旭;;软件缺陷增长过程的混沌分析[J];计算机工程与应用;2008年11期

4 刘海;郝克刚;;软件缺陷数据的分析方法及其实现[J];计算机科学;2008年08期

5 熊斐;李建忠;徐中望;;软件缺陷管理与防范[J];科技创新导报;2009年04期

6 石剑飞;杨欣;秦玮;闫怀志;;一种软件缺陷预测改进模型的研究[J];北京理工大学学报;2010年09期

7 缪林松;;基于代价敏感神经网络算法的软件缺陷预测[J];电子科技;2012年06期

8 朱小燕;曲俊燕;;浅析软件缺陷的问题[J];无线互联科技;2013年04期

9 田华;蒲天银;;基于迁移学习的软件缺陷预测方法研究[J];西南师范大学学报(自然科学版);2014年03期

10 宫云战;论软件缺陷[J];装甲兵工程学院学报;2003年01期

中国重要会议论文全文数据库 前8条

1 赵修湘;石勇;刘莹;张玲玲;;文本分类在软件缺陷管理中的应用[A];第四届（2009）中国管理学年会——管理科学与工程分会场论文集[C];2009年

2 李立清;;软件缺陷数据的分析和预测[A];第三届中国测试学术会议论文集[C];2004年

3 李立清;;用软件缺陷数据进行缺陷预测[A];中国工程物理研究院科技年报（2005）[C];2005年

4 赵亮;侯金宝;;文件和包层次的软件缺陷预测研究[A];第十四届全国容错计算学术会议(CFTC'2011)论文集[C];2011年

5 于秀山;王广俭;;软件缺陷管理[A];中国电子学会可靠性分会第十三届学术年会论文选[C];2006年

6 寇纲;彭怡;石勇;;基于数据挖掘的软件缺陷度量评估管理及研究现状综述[A];第三届（2008）中国管理学年会——信息管理分会场论文集[C];2008年

7 高通;焦彦平;龚波;;基于曲线拟合的软件缺陷排除成本预测[A];2010年全国通信安全学术会议论文集[C];2010年

8 涂亚明;毛军鹏;余静;尹磊;;系统测试阶段的软件缺陷预测模型分析[A];第六届中国测试学术会议论文集[C];2010年

中国重要报纸全文数据库 前7条

1 谢敏、戴金龙;追踪每一个软件缺陷[N];计算机世界;2005年

2 学健;可怕的不是缺陷本身[N];计算机世界;2001年

3 ;Firefox、IE中发现缺陷[N];计算机世界;2005年

4 道琼斯;小电脑 大雄心[N];人民邮电;2007年

5 特约撰稿 朱颜镇;万维易化项目管理力助电信运营商[N];通信信息报;2004年

6 ;Microsoft计划推出Windows Server SP1[N];计算机世界;2004年

7 记者 王俊鸣;美专家认为因特网中枢有漏洞[N];科技日报;2001年

中国博士学位论文全文数据库 前7条

1 Gabriel Kofi Armah;[D];电子科技大学;2015年

2 单纯;软件缺陷分布预测技术及应用研究[D];北京理工大学;2015年

3 王伟光;动态软件缺陷测试关键技术研究[D];南京大学;2016年

4 陈媛;基于数据挖掘的软件缺陷预测技术研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2012年

5 马樱;基于机器学习的软件缺陷预测技术研究[D];电子科技大学;2012年

6 张凯;软件缺陷混沌分形描述与软件质量进化度量的研究[D];武汉理工大学;2005年

7 杨晓杏;基于度量元的软件缺陷预测技术[D];中国科学技术大学;2014年

中国硕士学位论文全文数据库 前10条

1 赵长凯;软件缺陷管理与预测系统的设计[D];复旦大学;2013年

2 张亮;基于改进BP算法的软件缺陷预测模型研究[D];北京理工大学;2015年

3 王男帅;基于遗传优化支持向量机的软件缺陷预测模型研究[D];北京理工大学;2015年

4 陈艳;软件缺陷管理技术研究与实现[D];电子科技大学;2014年

5 李碧雯;基于迁移学习的跨项目软件缺陷预测[D];上海交通大学;2015年

6 梁天超;一种基于人工免疫朴素贝叶斯方法的软件缺陷预测模型[D];南京邮电大学;2015年

7 陆海洋;基于特征提取和代价敏感学习的软件缺陷预测方法研究[D];南京邮电大学;2015年

8 刘海林;基于LDA的软件缺陷组件预测研究与实现[D];重庆大学;2015年

9 杨磊;面向不平衡数据的软件缺陷预测方法研究[D];中国石油大学(华东);2014年

10 陈家强;软件缺陷预测中数据预处理技术研究[D];南京大学;2014年

  本文关键词：鱼群优化的多核支持向量机在软件缺陷预测中的应用，，由笔耕文化传播整理发布。

本文编号：431990