计算机工程

作者：范贵生, 刁旭炀, 虞慧群, 陈丽琼

单位：1. 华东理工大学 计算机科学与工程系, 上海 200237;2. 上海市计算机软件评测重点实验室, 上海 201112;3. 上海应用技术大学 计算机科学与信息工程系, 上海 201418

关键词：跨项目缺陷预测,噪声数据,分布差异,实例过滤,实例迁移

基金：国家自然科学基金（61702334，61772200）；上海市浦江人才资助计划（17PJ1401900）；上海市自然科学基金（17ZR1406900，17ZR1429700）；华东理工大学教育科研基金（ZH1726108）。

在跨项目软件缺陷预测中，人工采集标注的原始数据集通常包含噪声数据，并且源项目与目标项目之间的数据存在较大的分布差异性。针对该问题，提出一种两阶段跨项目缺陷预测方法CLNI-KMM。在实例过滤阶段，基于CLNI算法过滤噪声实例。在实例迁移阶段，采用KMM算法调整源项目中实例的训练权重，并结合目标项目中的少量标注实例建立软件缺陷预测模型。实验结果表明，与经典的跨项目软件缺陷预测方法TCA、TNB和NNFilter相比，CLNI-KMM方法预测性能较优，并且具有较强的稳定性。

来源：2020年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第8期