基于Tri-training算法的半监督软件缺陷预测模型构建研究

针对当前大部分软件缺陷预测模型所存在的预测精度低、数据特征维度高、处理时间长等问题,研究利用半监督学习算法中的Tri-training算法搭建了新的软件缺陷预测模型。研究结果表明,优化后的Tri-training算法能够在训练集中取得0.96的精度,0.98的召回率以及0.97的F1值,在测试集中取得0.96的精度,0.97的召回率以及0.96的F1值,各项基准性能均优于其他对比算法。此外,研究所设计的缺陷预测模型在实际软件缺陷中的预测准确率高达98.5%,响应时间最短只需要0.85 s,其表现也远优于其他三种对比模型。由此可见,研究所设计的缺陷预测模型具有较好的实际应用效果,能够为软件安全领域的相关工作提供技术支持。