期刊文献+

基于Adaboost算法的软件缺陷预测模型 被引量:7

Software Defect Prediction Model Based on Adaboost Algorithm
下载PDF
导出
摘要 将Adaboost算法应用到软件缺陷预测模型中是软件缺陷预测的一种新思路,Adaboost算法原理通过训练多个弱分类器构成一个更强的级联分类器,有效地避免了过拟合问题。通过采用美国国家航空航天局(NASA)的软件缺陷数据库的仿真实验,分别对原始BP神经网络算法和Adaboost算法进行分析对比,其中Adaboost的弱分类器采用神经网络。实验结果表明,Adaboost级联分类器有效地提高了软件缺陷预测模型的预测性能。 A new software defect prediction method was proposed in this paper, which used Adaboost cascade classifier as its prediction model. The principle of Adaboost algorithm is to train multiple weak classifiers and combine them into another stronger cascade classifier, which can avoid over-fitting problem effectively. In this paper, comparative experiments based on NSNA software defect data sets are carried out between the original BP network and Adaboost with the weak classifier of BP network. The experimental results show that, the software defect prediction model based on Adaboost cascade classifier can improve the prediction performance significantly.
出处 《计算机科学》 CSCD 北大核心 2016年第7期186-190,共5页 Computer Science
基金 2012"核高基"科技专项:基于国产CPUOS的办公信息系统应用方案评测及规范研究(2012ZX01045-006-003)资助
关键词 软件缺陷 软件缺陷预测 BP神经网络 ADABOOST 级联分类器 Software defect, Software defect prediction, BP neural network, Adaboost, Cascade classifier
  • 相关文献

参考文献2

二级参考文献13

共引文献179

同被引文献42

引证文献7

二级引证文献30

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部