声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：31-1289/TP
国际刊号：1000-3428
发布日期:
作者：刘文杰, 江贺
单位：大连理工大学 软件学院, 辽宁 大连 116621
关键词：开源软件,软件缺陷报告,特征选择,机器学习,严重性评估,修复率
基金：国家自然科学基金"超启发式算法的多视角分析及应用研究"（61175062）。
针对Bugzilla缺陷跟踪系统的Eclipse项目软件缺陷报告数据集，使用特征选择和机器学习算法对向量化的原始数据进行特征降维、权重优化等处理，得到数据维度较低的优化数据集，并采用分类算法评估软件缺陷报告严重程度。通过对4种特征选择算法及4种机器学习算法处理结果的交叉对比表明，使用信息增益特征选择算法对原始数据集进行特征优化，并结合多项式贝叶斯算法对优化数据集进行训练与测试，可使软件缺陷报告严重性预测的AUROC值提高至0.767。
来源：2019年第8期
《计算机工程》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。