-
题名基于支持向量回归的软件缺陷密度预测模型
被引量:1
- 1
-
-
作者
杨腾翔
万琳
王钦钊
马振宇
韩志贺
-
机构
陆军装甲兵学院信息工程系
陆军装甲兵学院控制工程系
陆军装甲兵学院技术保障工程系
[
-
出处
《装甲兵工程学院学报》
2017年第5期86-90,共5页
-
文摘
针对软件缺陷密度的预测问题,构建了一种基于支持向量回归(Support Vector Regression,SVR)的软件缺陷密度预测模型,指出影响回归预测精度的主要因素。首先,对软件度量元数据进行提取,利用归一化和随机序列的方法对缺陷数据进行预处理,并将数据分成训练集和测试集进行回归预测;然后,引入网格搜索的方法对支持向量回归模型中的参数进行优化,大大提高了预测的精度;最后,通过实验对比其他5种机器学习算法,验证了预测模型的有效性。
-
关键词
支持向量回归(SVR)
网格搜索
软件缺陷密度预测
-
Keywords
Support Vector Regression(SVR)
grid search
software defect density prediction
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TP311.5
[自动化与计算机技术—计算机软件与理论]
-