一种基于人工免疫朴素贝叶斯方法的软件缺陷预测模型

代理获取

页面导航

目录
摘要
著录项
相似文献
相关主题

摘要

软件缺陷检测是软件工程领域的重要议题，能够在软件产品上线前预测其是否具有缺陷，能够在提升软件产品的质量和减少维护成本方面起到作用。近年来，多种机器学习方法已经被应用到软件缺陷预测工作中。其中朴素贝叶斯（Naive Bayes，NB）方法根据古典数学理论，利用统计学原理根据先验概率对样本进行预测，取得了较好的效果。然而，朴素贝叶斯方法所依赖的独立性假设条件往往在实际应用中难以达到，这样预测模型的分类性能势必受到影响。因此特征选择和特征加权对软件缺陷预测尤为重要。另外，由于软件缺陷领域存在的类不平衡问题，不能同时将这三个方面考虑到算法实现中，将难以达到应有的效果。本文的创新点如下：
　　(1)首先，本文在现有朴素贝叶斯方法的基础上，提出一种结合人工免疫系统的特征加权方法（Artificial Immune basedNaive Bayes, AINB），通过人体的免疫原理来为不同的特征赋予相应的权值，从而提高朴素贝叶斯的分类性能。
　　(2)其次，考虑到不同类型的软件产品所依赖的特征集合和特征之间的依赖关系也不同，为了在训练分类器时考虑到特征之间的依赖性和去除冗余特征，本文借鉴序列后向选择（Sequential Backward Selection，SBS）原理，提出了一种结合递归特征消除（Recursive Feature Elimination，RFE）方法的基于人工免疫的特征消除朴素贝叶斯方法（Artificial Immune based Naive Bayes with Recursive FeatureElimination,AINB-RFE），通过每次去掉一个权值最小的特征来获得特征的重要性排序，并通过重要性排序表来获得最优的特征子集。
　　(3)最后，本文亦将软件缺陷样本的不平衡性考虑其中。本文提出了一种结合特征选择的半监督人工免疫朴素贝叶斯方法（Semi-supervised of Artificial Immune based Naive Bayes with Recursive Feature Elimination,SAINB-RFE），通过半监督学习的方式改进原始过采样方法，使用自训练（self-training）的方式对无标记的“缺陷样本”进行标记并加入到训练集中，使有缺陷样本和无缺陷样本达到平衡。
　　在AR软件缺陷数据库上，对本文提出的几种算法与相关的对比方法进行了比较。实验表明本文算法在对软件缺陷样本进行分类中综合性能上有一定的提高。表明了算法的有效性。

著录项

作者
梁天超;
展开▼
作者单位

南京邮电大学;

展开▼
授予单位南京邮电大学;
学科信息安全
授予学位硕士
导师姓名荆晓远;
年度 2015
页码
总页数
原文格式 PDF
正文语种中文
中图分类 TP311.52;
关键词
软件缺陷预测; 人工免疫系统; 特征加权; 序列后向选择; 工免疫朴素贝叶斯;

相似文献

中文文献
外文文献
专利

1. 基于主成分分析法的人工免疫识别软件缺陷预测模型研究 [J] . 朱朝阳 ,陈相舟 ,闫龙 . 计算机科学 . 2017,第0z1期
2. 基于PSO和朴素贝叶斯的软件缺陷预测模型 [J] . 葛贺贺 ,金聪 ,叶俊民 . 计算机工程 . 2011,第012期
3. 一种基于学习型人工免疫算法的股价预测模型 [J] . 蒋继平 ,季芳 . 计算机与现代化 . 2017,第011期
4. 重庆市旅游目的地游客感知形象研究——基于LDA和朴素贝叶斯方法 [J] . 董思梦 . 现代营销:经营版 . 2021,第2期
5. 基于改进朴素贝叶斯方法的元器件分类技术 [J] . 郑丽香 ,凌亚东 ,陈泫文 . 电子产品可靠性与环境试验 . 2020,第001期
6. 基于朴素贝叶斯方法的交通事件持续时间预测 [C] . 姬杨蓓蓓 ,张小宁 ,孙立军 . 2008年国际交通技术创新与应用大会暨国际交通基础设施建设与养护技术大会 . 2008
7. 一种基于经验数据的软件缺陷修复工作量预测模型研究 [A] . 丁春龙 . 2011

一种基于人工免疫朴素贝叶斯方法的软件缺陷预测模型

目录

摘要

著录项

相似文献

相关主题

期刊订阅