没有合适的资源?快使用搜索试试~ 我知道了~
基于CS_ANN的软件缺陷预测模型研究_王海林1
需积分: 0 0 下载量 131 浏览量
2022-08-03
16:15:48
上传
评论
收藏 440KB PDF 举报
温馨提示
试读
7页
背景和相关工作软件缺陷预测的目标是提高软件质量和软件测试效率。软件缺陷 预 测 使 用 的 数 据 是 在 历 史 开 发 过 程 中 收 集 的,McCabe
资源详情
资源评论
资源推荐
收
稿日期
: 2016-03-28;
修回日期
: 2016-05-05
基金项目
:
国家自然科学基金资助项目
( 61379032,61462091,61262025)
;
云
南省教育厅
科学研究基金资助项目
( 2015Z018)
;
云
南大学博士科研启动项目
( XT412004)
作者简介
:
王海林
( 1989-)
,
男
,
河
南周口人
,
硕士研究生
,
主要研究方向为软件缺陷预测
、
软件工程
;
于倩
( 1975-)
,
女
,
河
南安阳人
,
讲师
,
博士
,
主要研究方向为软件过程
、
软件工程
( yuqian2001cn@ 163. com)
;
李
彤
( 1963-)
,
男
,
河
北石家庄人
,
教授
,
博士
,
主要研究方向为软件工程
、
软件演化
、
信息安全
;
郁湧
( 1981-)
,
男
,
副
教授
,
博士
,
主要研究方向为软件过程
、
可信软件
;
明利
( 1989-)
,
女
,
河
南安阳人
,
硕士研究生
,
主要研究方向为软件
演化
、
软件过程
;
孙金文
( 1989-)
,
男
,
山
西朔州人
,
硕士研究生
,
主要研究方向为需求工程
、
智能算法
.
基
于
CS
- ANN
的软件缺陷预测模型研究
*
王
海林
a
,
于 倩
a,b
,
李 彤
a,b
,
郁 湧
a,b
,
明 利
a
,
孙
金文
a
(
云
南大学
a.
软件学院
; b.
云南省软件工程重点实验室
,
昆明
650500)
摘 要
:
为了提高软件缺陷预测的准确率
,
利用布谷鸟搜索
( cuckoo search,CS)
算法的寻优能力和人工神经网
络
( artificial neural network,ANN)
算法的非线性计算能力
,
提出了基于
CS-ANN
的软件缺陷预测方法
。
此方法首
先使用基于关联规则的特征选择算法降低数据的维度
,
去除了噪声属性
;
然后利用布谷鸟搜索算法寻找神经网
络算法的权值
,
使用权值和神经网络算法构建出预测模型
;
最后使用此模型完成缺陷预测
。
使用公开的
NASA
数据集进行仿真实验
,
结果表明该模型降低了误报率
,
并提高了预测的准确率
,
综合评价指标
AUC( area under
the ROC curve) 、F1
值和
G-mean
都优于现有模型
。
关键词
:
软件缺陷预测
;
人工神经网络
;
布谷鸟搜索
;
软件质量
;
机器学习
中图分类号
: TP311. 53
文献标志码
: A
文章编号
: 1001-3695( 2017) 02-0467-06
doi: 10. 3969 /j. issn. 1001-3695. 2017. 02. 033
Research of software defect prediction model based on CS-ANN
Wang Hailin
a
,Yu Qian
a,b
,Li Tong
a,b
,Yu Yong
a,b
,Ming Li
a
,Sun Jinwen
a
( a. School of Software,b. Key Laboratory for Software Engineering of Yunnan Province,Yunnan University,Kunming 650500,China)
Abstract: To improve the accuracy of software defect prediction ,this paper proposed a software defect prediction method
based on CS-ANN,which took advantag e of parameters optimization power of the cuckoo search( CS) and non-linear compu-
ting power of the artificial neural network ( ANN) . The method firstly used the feature selection algor i t hm based on the associa-
tion rules to reduce the dimension of the original data sets and remove the noise attributes existing in data,and found the
weights of the neural netw o r k by using the CS algorithm. Then the method bui l t the defec t predict i o n model using the weights
and neural network algo r i t hm. Finally,this paper completed defect predictio n by the model. The simulation experiment was
performed by using the NASA datasets tha t were published. The r e sults show that this model ca n reduce the false alarm rate
and improve the prediction accuracy,moreover,comprehensive evaluation area under the ROC curve( AUC)
,F1-measure and
G-mean values are superior to existing models.
Key words: software defect prediction; artificial neural network; cuckoo search; software quality; machine learni n
0
引
言
软件测试花费的工
作量经常比其他任何软件工程活动都
多
[1]
。
软
件缺陷预测模型旨在识别有缺陷倾向的软件模块
,
从而权衡质量保证
( quality assurance,QA)
活动
。
有了软件缺
陷预测模型
,QA
测试小组就可以集中关注软件模块的部分子
集
,
从而能在软件发布之前的有限时间和资源下
,
尽可能多地
找出软件中存在的缺陷
,
提高软件的质量
,
并可以减少软件发
布后维护的花费
[2]
。
软件缺陷预测是使用先前的软件度量属性和错误数据
,
预测下一个将发布
的软件模块是否有缺陷
。
在预测模型中
,
软件度量属性作为自变量
,
而错误数据作为因变量
[3]
。
软
件
度量属性是在软件开发过程中收集的
,
输入模型中作为训练
的软件度量和错误数据是先前软件开发记录的历史数据
。
运用软件度量预测软件缺陷最早是由
Porter
和
Selby
在
1990
年开始的
,
随后就出现了大量的基于度量的缺陷预测
。
建立
软件缺陷预测模型使用的方法主要有统计方法
、
机器学习和
一些混合技术
。
采用机器学习构建预测模型是目前学者们
研究的热点
,
机器学习方法比传统的统计学习方法有很大的
优越性
[2]
。
近
十年以来
,
出现了大量的对软件缺陷预测的研究工作
,
文献
[2,3]
详细地描述和总结了软件缺陷预测研究使用的技
术和方法
。
特别是在文献
[3]
中
,
作者对软件缺陷预测的研究
趋向进行了准确详细的分析
,
指出机器学习将会在软件缺陷预
测领域运用得越来越广泛
。
基于决策树
[4]
、
支
持向量机
[5]
、
随
机
森林
[6]
和
朴素贝叶斯
[7]
等
机器学习算法
,
都是常用的构建
软件缺陷预测模型的算法
。
在现有的研究基础上
,
本文提出了基于人工神经网络的软
件缺陷预测方法
,
并结合寻优算法和特征选择算法
,
提高了软
件缺陷预测的准确率
。
第
34
卷
第
2
期
2017
年
2
月
计算机应用研究
Application Research of Computers
Vol. 34 No. 2
Feb. 2017
赵小杏儿
- 粉丝: 20
- 资源: 314
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0