应用非线性加权的集成学习软件缺陷序列预测算法_贾晓琳1
需积分: 0 170 浏览量
2022-08-03
17:32:24
上传
评论
收藏 282KB PDF 举报
第
５１
卷
第
７
期
２０１７
年
７
月
西
安
交
通
大
学
学
报
ＪＯＵＲＮＡＬ
ＯＦ
ＸＩ
’
ＡＮ
ＪＩＡＯＴＯＮＧ
ＵＮＩＶＥＲＳＩＴＹ
Ｖｏｌ．５１
Ｎｏ．７
Ｊｕｌ．２０１７
收稿日期
：
２０１７
－
０１
－
１２
。
作者简介
：
贾晓琳
（
１９６３
—），
女
，
高工
，
硕士生 导师
。
基金项 目
：
国家自然科学基金资助项目
（
６１４０２３５５
）；
中央高校基本科研业务费专项基金资助项目
（
ｊｊ
２０１４０５０
）。
网络出版时间
：
２０１７
－
０４
－
１７
网络出版地址
：
ｈｔｔ
ｐ
：
∥
ｗｗｗ．ｃｎｋｉ．ｎｅｔ
／
ｋｃｍｓ
／
ｄｅｔａｉｌ
／
６１ ．１０６９ ．Ｔ ．２０１７０４１７ ．１２０２ ．００４ ．ｈｔｍｌ
ＤＯＩ
：
１０．７６５２
／
ｘ
ｊ
ｔｕｘｂ２０１７０７０２２
应用非线性加权的集成学习软件
缺陷序列预测算法
贾晓琳
，
樊帅帅
，
罗雪
，
朱晓燕
（
西安交通大学电子与信息工程学院学院
，
７１００４９
，
西安
）
摘要
：
针对当前软件缺陷序列预测算法准确度不高的问题
，
提出了基于非线性加权的集成学习软
件缺陷序列预测算法
（
ＮＬＷＥＰｒｅｄｉｃｔｉｏｎ
）。
该算法在常见线性集成预测算法的基础上增加了非线
性回归项
，
回归项代表了集成预测算法中基预测算法之间的相互关系
，
修正了线性集成预测的偏
差
，
并通过梯度下降法求解了模型中的参数
。
实验表明
：
ＮＬＷＥＰｒｅｄｉｃｔｉｏｎ
在
１４
个软件缺陷数据
集上的均方误差均小于
２５０
，
并且平均绝 对 误 差 均 小 于
１３
。
通过 与 基预测 算 法
、
集成 预 测
Ｂａ
ｇ
－
ｇ
ｉｎ
ｇ
、
Ｓｔａｃｋｉｎ
ｇ
算法和只考虑两个分类器关系的非线性加权集成学习算法进行对比
，
可以 看 出
，
ＮＬＷＥＰｒｅｄｉｃｔｉｏｎ
预测算法的均方误差和平均绝对误差显著减小
，
预测精度显著提高
，
说明在线性
集成预测算法基础上增加非线性回归项
，
能够有效提高集成学习算法的分类效果
。
关键词
：
软件缺陷序列
；
预测算法
；
软件缺陷
；
集成学习
中图分类号
：
Ｏ１２１．８
文献标志码
：
Ａ
文章编号
：
０２５３
－
９８７Ｘ
（
２０１７
）
０７
－
０１５６
－
０６
Ｐｒｅｄｉｃｔｉｏｎ
Ａｌ
ｇ
ｏｒｉｔｈｍ
ｆｏｒ
Ｓｏｆｔｗａｒｅ
Ｄｅｆｅｃｔ
Ｓｅｒｉｅｓ
Ｂａｓｅｄ
ｏｎ
Ｎｏｎｌｉｎｅａｒ
Ｗｅｉ
ｇ
ｈｔｅｄ
Ｅｎｓｅｍｂｌｅ
Ｌｅａｒｎｉｎ
ｇ
ＪＩＡ
Ｘｉａｏｌｉｎ
，
ＦＡＮ
Ｓｈｕａｉｓｈｕａｉ
，
ＬＵＯ
Ｘｕｅ
，
ＺＨＵ
Ｘｉａｏ
ｙ
ａｎ
（
Ｓｃｈｏｏｌ
ｏｆ
Ｅｌｅｃｔｒｏｎｉｃｓ
ａｎｄ
Ｉｎｆｏｒｍａｔｉｏｎ
Ｅｎ
ｇ
ｉｎｅｅｒｉｎ
ｇ
，
Ｘｉ
’
ａｎ
Ｊｉａｏｔｏｎ
ｇ
Ｕｎｉｖｅｒｓｉｔ
ｙ
，
Ｘｉ
’
ａｎ
７１００４９
，
Ｃｈｉｎａ
）
Ａｂｓｔｒａｃｔ
：
Ａｉｍｉｎ
ｇ
ａｔ
ｔｈｅ
ｐ
ｒｏｂｌｅｍ
ｏｆ
ｔｈｅ
ｂａｓｉｃ
ｐ
ｒｅｄｉｃｔｉｏｎ
ａｌ
ｇ
ｏｒｉｔｈｍ
ｗｉｔｈ
ｒｅｌａｔｉｖｅ
ｌｏｗ
ｐ
ｒｅｄｉｃｔｉｏｎ
ａｃｃｕｒａｃ
ｙ
，
ａ
ｎｏｖｅｌ
ａｎｄ
ｉｍ
ｐ
ｒｏｖｅｄ
ｐ
ｒｅｄｉｃｔｉｏｎ
ａｌ
ｇ
ｏｒｉｔｈｍ
ＮＬＷＥＰｒｅｄｉｃｔｉｏｎ
ｉｓ
ｐ
ｒｏ
ｐ
ｏｓｅｄ
ｂａｓｅｄ
ｏｎ
ｎｏｎ
－
ｌｉｎｅａｒ
ｗｅｉ
ｇ
ｈｔｅｄ
ａｎｄ
ｅｎｓｅｍｂｌｅ
ｌｅａｒｎｉｎ
ｇ
．Ｉｔ
ｃｏｍｂｉｎｅｓ
ｔｈｅ
ａｄｖａｎｔａ
ｇ
ｅｓ
ｏｆ
ｌｉｎｅａｒ
ｅｎｓｅｍｂｌｅ
ｌｅａｒｎｉｎ
ｇ
ａｎｄ
ｔｈｅ
ｒｅｌａｔｉｏｎｓｈｉ
ｐ
ｂｅｔｗｅｅｎ
ｔｈｅ
ｂａｓｅ
ｐ
ｒｅｄｉｃｔ
ａｌ
ｇ
ｏｒｉｔｈｍｓ
，
ｗｈｉｃｈ
ｃｏｒｒｅｃｔｓ
ｔｈｅ
ｐ
ｒｅｄｉｃｔｉｏｎ
ｄｅｖｉａｔｉｏｎ
ａｎｄ
ｕｓｅｓ
ｇ
ｒａｄｉｅｎｔ
ｄｅｓｃｅｎｔ
ｍｅｔｈｏｄ
ｔｏ
ｃａｌｃｕｌａｔｅ
ｔｈｅ
ｍｏｄｅｌ
ｐ
ａｒａｍｅｔｅｒｓ．Ｔｈｅ
ｅｘ
ｐ
ｅｒｉｍｅｎｔｓ
ｐ
ｒｏｖｅｄ
ｔｈａｔ
ｔｈｅ
ＮＬＷＥＰｒｅｄｉｃｔｉｏｎ
’
ｓ
ｍｅａｎ
ｓ
ｑ
ｕａｒｅｄ
ｅｒｒｏｒ
ｉｎ
ｄａｔａｓｅｔｓ
ｉｓ
ｌｏｗｅｒ
ｔｈａｎ
２５０
，
ａｎｄ
ｔｈｅ
ｍｅａｎ
ａｂｓｏｌｕｔｅ
ｄｉｆｆｅｒｅｎｃｅ
ｉｓ
ｌｏｗｅｒ
ｔｈａｎ
１３． Ｔｈｅ
ａｌ
ｇ
ｏｒｉｔｈｍ
ｗａｓ
ｃｏｍ
ｐ
ａｒｅｄ
ｗｉｔｈ
ｉｔｓ
ｆｏｕｒ
ｂａｓｅ
ｐ
ｒｅｄｉｃｔｉｏｎ
ａｌ
ｇ
ｏｒｉｔｈｍｓ
，
ｏｔｈｅｒ
ｔｗｏ
ｅｎｓｅｍｂｌｅ
ｐ
ｒｅｄｉｃｔｉｏｎ
ａｌ
ｇ
ｏｒｉｔｈｍｓ
Ｂａ
ｇｇ
ｉｎ
ｇ
ａｎｄ
Ｓｔａｃｋｉｎ
ｇ
ａｎｄ
ｏｒｉ
ｇ
ｉｎａｌ
ＮＬＷＥＰｒｅｄｉｃｔｉｏｎ
ｆｏｒ
ｅｆｆｉｃｉｅｎｃ
ｙ
ａｎａｌ
ｙ
ｓｉｓ．Ｅｘ
ｐ
ｅｒｉｍｅｎｔａｌ
ｒｅｓｕｌｔｓ
ｓｈｏｗｅｄ
ｔｈａｔ
ＮＬＷＥＰｒｅｄｉｃｔｉｏｎ
ｈａｓ
ｏｂｖｉｏｕｓｌ
ｙ
ｌｏｗ
ｍｅａｎ
ｓ
ｑ
ｕａｒｅ
ｅｒｒｏｒ
ａｎｄ
ａｖｅｒａ
ｇ
ｅ
ａｂｓｏｌｕｔｅ
ｅｒｒｏｒ． Ｔｈｅ
ｐ
ｒｅｄｉｃｔｉｏｎ
ａｃｃｕｒａｃ
ｙ
ｉｓ
ｉｍ
ｐ
ｒｏｖｅｄ．Ｓｏ
，
ａｄｄｉｎ
ｇ
ｔｈｅ
ｎｏｎｌｉｎｅａｒ
ｒｅ
ｇ
ｒｅｓｓｉｏｎ
ｔｅｒｍｓ
ｃａｎ
ｉｍ
ｐ
ｒｏｖｅ
ｔｈｅ
ｃａ
ｐ
ａｂｉｌｉｔ
ｙ
ｏｆ
ｅｎｓｅｍｂｌｅ
ｃｌａｓ
－
ｓｉｆｉｅｒ．
Ｋｅ
ｙ
ｗｏｒｄｓ
：
ｓｏｆｔｗａｒｅ
ｄｅｆｅｃｔ
ｓｅｒｉｅｓ
；
ｐ
ｒｅｄｉｃｔｉｏｎ
ａｌ
ｇ
ｏｒｉｔｈｍ
；
ｓｏｆｔｗａｒｅ
ｄｅｆｅｃｔ
；
ｅｎｓｅｍｂｌｅ
ｌｅａｒｎｉｎ
ｇ
资源评论
