没有合适的资源?快使用搜索试试~
我知道了~
文库首页
开发技术
其它
静态软件缺陷预测方法研究
静态软件缺陷预测方法研究
研究论文
需积分: 9
0 下载量
123 浏览量
2021-05-06
12:57:17
上传
评论
收藏
674KB
PDF
举报
温馨提示
立即下载
静态软件缺陷预测方法研究
资源推荐
资源评论
静态软件缺陷预测方法研究2
浏览:194
摘要:静态软件缺陷预测是软件工程数据挖掘领域中的一个研究热点.通过分析软件代码或开发过程,设计出与软件缺陷相关的度量元;随后,通过挖掘软件历史仓库来创建缺陷预测
论文研究-偏相关方法在软件缺陷预测中的应用.pdf
浏览:67
为了提高预测模型的性能,解决不同属性子集带来的分歧,提出了基本偏相关方法的预测模型。首先, 该方法在公开数据集上分析出代码静态属性与缺陷数之间存在偏相关关系;然后基于偏相关系数值,计算出代码复杂性度密度属性值;最后基于该属性值建立新的缺陷预测模型。实验表明,该模型具有较高的召回率和很好的 F-measure性能,从而进一步证实了代码属性与模块缺陷之间的偏相关性是影响软件质量预测性能的重要因素的结论
论文研究-软件缺陷集成预测模型研究.pdf
浏览:37
利用单一分类器构造的缺陷预测模型已经遇到了性能瓶颈, 而集成分类器相比单一分类器往往具有显著的性能优势。以构造高效的集成缺陷预测模型为出发点, 比较了七种不同类型集成分类器的算法和特点。在14个基准数据集上的实验显示, 部分集成预测模型的性能优于基于朴素贝叶斯的单一预测模型。其中, 基于投票的集成分类框架具有最优的预测性能以及统计学意义上的性能优势显著性, 随机森林算法次之。Stacking集成框
简化度量集对软件缺陷预测的实证研究
浏览:81
简化度量集对软件缺陷预测的实证研究
一种软件缺陷预测改进模型的研究 (2010年)
浏览:91
研究考虑缺陷移除失败的软件缺陷预测改进模型,以提高缺陷预测能力。分析了传统Rayleigh模型的不足,在考虑缺陷移除失败因素的基础上,建立缺陷预测改进模型,并使用经验值及最大似然法估计获得模型参数。实例验证表明,改进模型可以有效地提高软件缺陷预测值与实际值的拟合度。
基于深度学习的软件缺陷预测模型
浏览:158
传统的软件缺陷预测方法主要是设计静态代码度量, 并用机器学习分类器来预测代码的缺陷概率. 但是, 静态代码度量未能充分考虑到潜藏在代码中的语义特征. 根据这种状况, 本文提出了一种基于深度卷积神经网络的软件...
软件缺陷总结
浏览:83
文档总结了常见的软件缺陷预测技术。 软件缺陷预测技术可以分为静态预测技术和动态预测技术两种。...由于具体实施方法和理论依据的多样化,使这两种技术都有很多分支,以应对不同类型的软件缺陷预测问题。
基于改进神经网络的静态软件缺陷自动分配方法.pdf
浏览:112
基于改进神经网络的静态软件缺陷自动分配方法.pdf
论文研究 - 静态分析和代码复杂性度量作为软件缺陷的早期指标
浏览:132
本文提供了一项探索性研究,调查通过静态分析工具与代码复杂性指标相结合检测到的故障是否可以用作软件质量指标并构建预发布的故障预测模型。 将代码复杂性指标与静态分析故障密度结合起来,可以以78.3%的精度预测...
基于CS-ANN的软件缺陷预测模型研究
浏览:136
基于CS-ANN的软件缺陷预测模型研究
利用聚类技术预测软件缺陷-研究论文
浏览:17
软件缺陷预测的目的是通过建立预测模型来确定软件模块是否易于发生故障来提高软件项目的质量。 近年来,在使用机器学习技术进行此主题方面已经进行了许多研究。 我们的目的是通过特征选择方案评估聚类技术的性能,以解决软件缺陷预测问题。 我们使用三种聚类算法分析了美国国家航空航天局(NASA)的数据集基准:(1)最远的优先,(2)X均值和(3)自组织图(SOM)。 为了评估不同的特征选择算法,本文提供了一个比
基于迁移学习的软件缺陷预测方法研究① (2014年)
浏览:10
针对传统的软件缺陷预测方法难以在单独的项目中利用小规模训练数据的问题,提出了一种基于迁移学习的软件缺陷预测技术,利用已有的项目辅助新项目的预测.该方法在源项目和目标项目之间寻找一个公共特征空间,使得在公共特征空间上2个项目的数据分布距离最小.在这个公共空间进行模型训练,以达到迁移分类的效果.实验结果显示该方法相对传统的缺陷预测算法有更好的预测性能,并且充分利用了原始训练数据,可以更高效地运用于各种
论文研究-FSDNP:针对软件缺陷数预测的特征选择方法.pdf
浏览:119
软件缺陷预测先前的研究工作主要关注软件缺陷分类问题,即判断一个软件模块是否含有缺陷。如何量化一个软件模块中含有软件缺陷的数量问题还未被很好地研究。针对该问题,提出了一种两阶段的软件模块缺陷数预测特征选择方法FSDNP:特征聚类阶段和特征选择阶段。在特征聚类阶段中,使用基于密度峰聚类的算法将高度相关的特征进行聚类;在特征选择阶段,设计了三种启发式的排序策略从簇中删除冗余的和无关的特征。在PROMIS
基于特征选择的软件缺陷预测方法.pdf
浏览:89
基于特征选择的软件缺陷预测方法.pdf
软件模块故障倾向预测方法研究
浏览:3
研究了在区分故障严重程度下的软件模块故障倾向预测方法,将故障分为高严重程度和低严重程度两种类型,用统计分析和机器学习方法分析静态代码度量与故障倾向之间的关系。以公开和私有两种类型的失效数据集作为实验数据...
论文研究-基于XML的软件安全静态检测方法研究.pdf
浏览:116
软件静态检测是从软件代码和结构中找出安全缺陷的重要手段。从安全规则的角度,提出了基于XML(eXtensible Markup Language)中间模型的静态检测方法。该方法将C/C 源代码解释为XML中间模型,将安全规则转化为缺陷...
航天嵌入式软件静态测试方法研究.docx
浏览:112
航天嵌入式软件静态测试方法研究.docx
C#静态方法与非静态方法的比较
浏览:82
C#静态方法与非静态方法的比较
Android恶意软件静态检测方案的研究
浏览:190
Android恶意软件静态检测方案的研究
基于数据挖掘的软件缺陷预测技术研究.pptx
浏览:104
基于数据挖掘的软件缺陷预测技术研究.pptx
一种软件缺陷排除成本预测方法 (2011年)
浏览:100
基于缺陷分析来预测缺陷排除成本,有利于分析软件过程质量、平衡软件成本和控制开发进度。传统上,一般采用单个缺陷排除成本的平均值乘以缺陷数的方法,来预测缺陷排除总成本,这种方法忽略了不同类型的缺陷排除成本差异,导致较大的成本预测偏差。论文提供了另外一种成本预测方法:基于项目历史数据,拟制软件开发阶段不同缺陷类型的排除成本矩阵,来预测项目的缺陷排除成本。改进的成本预测方法能够较好地弥补传统方法的不足,可
基于机器学习的软件缺陷预测研究.pdf
浏览:32
基于机器学习的软件缺陷预测研究.pdf
Scrum中软件缺陷管理方法的研究与应用
浏览:21
5星 · 资源好评率100%
针对某公司互联网产品的开发项目,分析基于 Scrum 的软件敏捷开发过程,给出其缺陷管理目标,即敏捷地响应缺陷和实时地改 进开发过程,设计相应的缺陷管理方法,包括缺陷管理流程模型以及缺陷度量方法。在此基础上,开发缺陷管理工具RQMS并加以应用。 应用结果表明,该缺陷管理方法在基于 Scrum软件敏捷开发中具有较好的效果
代价敏感分类的软件缺陷预测方法* (2014年)
浏览:191
软件缺陷预测是提高软件测试效率,保证软件可靠性的重要途径。考虑到软件缺陷预测模型对软件模块错误分类代价的不同,提出了代价敏感分类的软件缺陷预测模型构建方法。针对代码属性度量数据,采用Bagging方式有放回地多次随机抽取训练样本来构建代价敏感分类的决策树基分类器,然后通过投票的方式集成后进行软件模块的缺陷预测,并给出模型构建过程中代价因子最优值的判定选择方法。使用公开的NASA软件缺陷预测数据集进
(js)静态与非静态方法
浏览:153
(js)静态与非静态方法,(js)静态与非静态方法
ISAPI_Rewrite伪静态软件
浏览:52
ISAPI_Rewrite伪静态软件ISAPI_Rewrite伪静态软件ISAPI_Rewrite伪静态软件
基于静态分析的缺陷模式匹配研究.pdf
浏览:64
基于静态分析的缺陷模式匹配研究 more
JAVA语言静态变量和静态方法的分析及其应用研究.pdf
浏览:109
JAVA语言静态变量和静态方法的分析及其应用研究.pdf
评论
收藏
内容反馈
立即下载
资源评论
资源反馈
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~
联系上传者
评论
weixin_38621250
粉丝: 2
资源:
908
私信
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
前往需求广场,查看用户热搜
最新资源
历代超级英雄奥特曼技能介绍大全
自然保护区湿地、森林公园、风景名胜区目录
runtime_CART.mat
DDR5最新技术规范0
基于Kotlin语言实现的交换两个变量的代码!
linux、c语言贪吃蛇项目代码文件
基于Fortran语言实现的计算阶乘的代码!
基于Swift语言实现的计算器功能代码!!
基于ruby的计算斐波那契数列的代码!!
建立一个推荐系统模型,提高电商平台的销售转化率-华数杯数学建模竞赛
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
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