-
题名结合特征对齐与实例迁移的跨项目缺陷预测
- 1
-
-
作者
李莉
赵鑫
石可欣
苏仁嘉
任振康
-
机构
东北林业大学计算机与控制工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2023年第10期3091-3099,共9页
-
基金
黑龙江省教育科学规划课题(GJB1421251)。
-
文摘
为解决跨项目缺陷预测中源项目和目标项目分布差异较大的问题,提出了一种基于特征对齐和实例迁移的两阶段缺陷预测方法(FAIT)。首先,在特征对齐阶段,根据边缘概率分布进行特征的边缘分布对齐;然后,基于源项目和目标项目构建条件分布映射矩阵完成条件分布对齐;最后,在实例迁移阶段,通过改进了权重调整策略的TrAdaBoost方法构建跨项目缺陷预测模型。以F 1作为评价指标,当目标项目有标签实例比例为20%时,FAIT性能最佳,且两过程特征对齐优于单一过程特征对齐。此外,FAIT的预测性能在AEEEM和NASA数据集上分别提高了10.69%、15.04%。FAIT在一定程度上解决了源项目与目标项目的分布差异,能够取得较好的缺陷预测性能。
-
关键词
跨项目缺陷预测
特征对齐
最大均值差异
实例迁移
TrAdaBoost
-
Keywords
cross-project defect prediction(CPDP)
feature alignment
maximum mean discrepancy
instance transfer
TrAdaBoost
-
分类号
TP311.5
[自动化与计算机技术—计算机软件与理论]
-