基于支持向量回归的软件缺陷密度预测模型

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。