典型文献
基于量子粒子群混合烟花优化支持向量机的软件缺陷预测研究
文献摘要：
开源软件缺陷问题是目前软件工程领域一个非常重要的研究领域,为了避免由于软件缺陷而引发的故障,如何识别和预测软件系统中存在的缺陷也是目前一个重要研究课题.针对上述现状和问题,提出了量子粒子群混合烟花优化算法,用于对支持向量机进行参数寻优,将两种算法进行并联式融合,从而达到更好的寻优效果.其次,为验证提出方法的有效性,在NASA MDP数据集上进行仿真实验,将量子粒子群算法、混合烟花算法的量子粒子群算法用于SVM的参数寻优,并且与经典的SVM之间进行对比,证明其有效性.仿真实验结果表明,提出的基于量子粒子群混合烟花算法优化支持向量机软件缺陷预测模型的综合性能要优于其他模型,提出的量子粒子群混合烟花算法对量子粒子群跳出局部最优的能力有较大程度的提高.
文献关键词：
软件缺陷预测;支持向量机;量子粒子群;烟花算法;混合优化算法
中图分类号：
作者姓名：
崔梦天;龙松林;赵城斌;吴克奇;姜玥;谢琪
作者机构：
西南民族大学计算机系统国家民委重点实验室,四川 成都610041
文献出处：
引用格式：
[1]崔梦天;龙松林;赵城斌;吴克奇;姜玥;谢琪-.基于量子粒子群混合烟花优化支持向量机的软件缺陷预测研究)[J].西南民族大学学报（自然科学版）,2022(06):653-659
A类：
B类：
优化支持向量机,软件缺陷预测,预测研究,开源软件,缺陷问题,软件工程,工程领域,预测软件,软件系统,研究课题,现状和问题,参数寻优,并联式,优效,NASA,MDP,量子粒子群算法,烟花算法,算法优化,机软件,缺陷预测模型,跳出局部,局部最优,混合优化算法
AB值：
0.213991
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
