基于機器學(xué)習(xí)的軟件缺陷預(yù)測研究

打開文本圖片集

摘要：在機器學(xué)習(xí)技術(shù)逐漸滲透到各個領(lǐng)域的背景下，軟件開發(fā)流程中的軟件測試非常重要，面對在軟件缺陷預(yù)測過程中出現(xiàn)的類別不平衡和準確性問題，提出一種基于監(jiān)督學(xué)習(xí)的解決方案，采用樣本平衡技術(shù)，結(jié)合合成少數(shù)類過采樣技術(shù)（synthetic minority over-sampling technique，SMOTE）與編輯最近鄰（edited nearest neighbor，ENN）算法，對局部加權(quán)學(xué)習(xí)（local weight learning，LWL）、J48、C4.8、隨機森林、貝葉斯網(wǎng)絡(luò)（Bayes net，BN）、多層前饋神經(jīng)網(wǎng)絡(luò)（multilayer feedforwardneural network，MFNN）、支持向量機（supported vector machine，SVM）以及樸素貝葉斯（naive Bayeskey，NB-K）等多種算法進行測試。（剩余17521字）