集成特征选择的代价敏感Boosting软件缺陷预测方法

软件中潜在的缺陷会产生严重的后果,通过使用软件缺陷预测技术可以及时地检测到模块中的缺陷。然而,由于软件缺陷数据集中的类不平衡和高维度特征问题,会导致模型的预测性能下降,因此提出了一种集成特征选择的代价敏感Boosting软件缺陷预测方法(Cost-Sensitive Boosting for Feature Selection, CSBFS)。CSBFS首先采用了一种代价敏感的特征选择算法,该算法先计算每个特征对预测结果的贡献值,并根据不同错误类别的代价对贡献值进行调整,选择具有正向贡献的特征作为特征子集,解决了高维度特征的问题;接下来,将这个特征选择算法嵌入进Boosting算法中,在Boosting的每一轮迭代中,为每个基学习器选择合适的特征子集,从而增加了基学习器之间的多样性;此外,通过调整错误类别的权重,为第一类错分样本赋予更高的权重,以缓解类别不平衡问题,进一步提高了预测效果。在20个公开数据集上进行实验,以F-measure、Recall、AUC、G-mean等作为评价指标,实验结果验证了CSBFS方法的有效性。

消化性溃疡与幽门螺杆菌L型感染相关性研究

目的 探讨消化性溃疡 (PU)与幽门螺杆菌 L型 (HP- L )感染的关系。方法 取 386例 PU患者胃窦、胃体及十二指肠粘膜组织 ,常规切片后以革兰氏染色和免疫组化染色镜检 HP- L 型细菌 ,并计算检出率。结果 HP- L 型检出率为 5 3.37% ,其中革兰氏染色和免疫组化染色检出率分别为 5 6 .73%、5 4 .2 9% ,差异无显著性(P>0 .0 5 ) ;胃溃疡、十二指肠溃疡 HP- L 型检出率分别为 5 8.33%、5 5 .5 0 % ,差异无显著性 (P>0 .0 5 ) ;男女患者HP- L 检出率前者 (6 1.18% )明显高于后者 (38.17% ) (P<0 .0 1) ;30岁以下、30岁～、4 0岁～、5 0岁～患者 HP- L检出率依次为 32 .0 5 %、4 1.94 %、5 9.18%、71.79% ,差异显著 (P<0 .0 1)。结论 PU患者 Hp- L型感染率较高 ,且男性高于女性 ,HP- L型检出率随年龄增长而增高。 PU患者 HP- L型变异可能是导致溃疡迁延不愈。