典型文献
基于代价敏感学习的半监督软件缺陷预测方法
文献摘要：
软件缺陷预测通过学习软件缺陷历史数据建立缺陷预测模型,是开发可信软件的重要手段.现有的研究在学习不平衡软件缺陷数据时,确定合理的误分类代价是一个难以解决的问题.在代价敏感朴素贝叶斯方法的基础上拓展,提出一种动态调整模型参数的半监督学习方法——CSNB-EM(EM based Cost-Sensitive Naive Bayes).该方法通过交叉验证搜索适合训练数据集的最优误分类代价,将搜索到的误分类代价用于建立分类模型,利用未标记数据迭代修正模型参数.方法利用未标记数据提高模型性能,同时克服了传统的软件缺陷预测中确定误分类代价的困难.基于AUC与GeoM评测指标在MDP软件缺陷数据集的5个项目上进行比较实验.实验结果表明,CSNB-EM与CS-NB、CS-NN等现有的代价敏感软件缺陷预测方法相比,其预测性能有明显提高.
文献关键词：
软件缺陷预测;不平衡数据;代价敏感学习;半监督学习
中图分类号：
作者姓名：
张金传;张震
作者机构：
扎兰屯职业学院 内蒙古 呼伦贝尔162650;中南大学计算机学院 湖南 长沙410000
文献出处：
引用格式：
[1]张金传;张震-.基于代价敏感学习的半监督软件缺陷预测方法)[J].计算机应用与软件,2022(06):1-6,69
A类：
CSNB,GeoM
B类：
代价敏感学习,软件缺陷预测,学习软件,历史数据,缺陷预测模型,可信软件,误分类,难以解决,朴素贝叶斯,贝叶斯方法,动态调整模型,半监督学习,EM,Cost,Sensitive,Naive,Bayes,交叉验证,合训,训练数据集,分类模型,记数,迭代修正,修正模型,法利,模型性能,评测指标,MDP,软件缺陷数据集,比较实验,NN,预测性能,不平衡数据
AB值：
0.319164
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。
