基于迁移学习的跨公司航天软件缺陷预测

基于迁移学习的跨公司航天软件缺陷预测

论文摘要

为提高航天软件测试的效率和质量,针对同公司航天软件数量少、研制周期长的特点,提出了一种跨公司航天软件缺陷预测方法。从航天软件背景信息复杂、规模大、功能独立等特征出发,提出基于静态分类缺陷预测的模型构建思想。引入迁移学习方法,利用最近邻分类器和数据引力模型,对训练数据的分布特征进行修正,提高训练数据与目标数据的相似性;为提高模型的泛化能力以适应目标数据的多样性,提出在训练数据中加入少量目标数据用于模型训练。将该方法在实际工程中进行应用,实验结果表明,与已有软件缺陷预测方法相比,该方法在保持较低误报率(不高于0.3)的情况下可有效提高召回率(接近0.6),整体可信度得到有效增强(G-measure超过0.6),方法稳定度高,泛化能力较强;本方法在实际工程中对测试规模影响可控,测试效率得到提高。

论文目录

  • 1 引言
  • 2 航天软件缺陷预测建模
  • 3 跨公司航天软件缺陷预测方法
  •   3.1 数据的定义
  •   3.2 最近邻分类器
  •   3.3 数据引力
  •   3.4 朴素贝叶斯分类器
  • 4 实验分析
  •   4.1 实验数据
  •   4.2 评价指标
  •     4.2.1 有效性实验指标
  •     4.2.2 工作效率实验指标
  •   4.3 实验过程及结果分析
  •     4.3.1 有效性实验
  •     4.3.2 效率实验
  • 5 结论
  • 文章来源

    类型: 期刊论文

    作者: 哈清华,刘大有,陈媛,刘逻

    关键词: 缺陷预测,迁移学习,最近邻分类器,数据引力,朴素贝叶斯

    来源: 光学精密工程 2019年02期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 航空航天科学与工程,计算机软件及计算机应用

    单位: 吉林大学计算机科学与技术学院,中国科学院长春光学精密机械与物理研究所,吉林大学符号计算与知识工程教育部重点实验室

    基金: 国家自然科学基金资助项目(No.61502198,No.61572226,No.61472161)

    分类号: TP311.53;V446

    页码: 469-478

    总页数: 10

    文件大小: 259K

    下载量: 151

    相关论文文献

    • [1].一种基于领域适配的跨项目软件缺陷预测方法[J]. 软件学报 2020(02)
    • [2].跨项目软件缺陷预测方法研究综述[J]. 计算机技术与发展 2020(03)
    • [3].软件缺陷预测研究综述[J]. 信息通信 2020(04)
    • [4].过采样与集成学习方法在软件缺陷预测中的对比研究[J]. 计算机与现代化 2020(06)
    • [5].基于相对密度的类不平衡软件缺陷预测[J]. 计算机与数字工程 2020(06)
    • [6].基于卷积神经网络的软件缺陷预测研究[J]. 电脑编程技巧与维护 2020(09)
    • [7].软件缺陷预测中的数据质量评估方法[J]. 华中科技大学学报(自然科学版) 2020(11)
    • [8].静态软件缺陷预测研究进展[J]. 计算机科学与探索 2019(10)
    • [9].基于卷积神经网络的代价敏感软件缺陷预测模型[J]. 计算机科学 2019(11)
    • [10].基于多核字典学习的软件缺陷预测[J]. 计算机科学 2017(12)
    • [11].开源程序的软件缺陷分布特征的量化分析研究[J]. 电子元器件与信息技术 2017(04)
    • [12].一种基于关联规则的网络软件缺陷预测方法[J]. 信息技术与网络安全 2018(04)
    • [13].基于爬虫的软件缺陷预测[J]. 南昌教育学院学报 2016(06)
    • [14].基于组合机器学习算法的软件缺陷预测模型[J]. 计算机研究与发展 2017(03)
    • [15].深度信念网软件缺陷预测模型[J]. 计算机科学 2017(04)
    • [16].基于二次学习的半监督字典学习软件缺陷预测[J]. 模式识别与人工智能 2017(03)
    • [17].数据驱动的软件缺陷预测研究综述[J]. 电子学报 2017(04)
    • [18].基于主成分分析法的人工免疫识别软件缺陷预测模型研究[J]. 计算机科学 2017(S1)
    • [19].基于软件生命周期的软件缺陷预防流程研究[J]. 电脑编程技巧与维护 2017(12)
    • [20].核字典学习在软件缺陷预测中的应用[J]. 小型微型计算机系统 2017(07)
    • [21].基于非负稀疏图的协同训练软件缺陷预测[J]. 计算机技术与发展 2017(07)
    • [22].基于半监督集成学习的软件缺陷预测[J]. 模式识别与人工智能 2017(07)
    • [23].基于机器学习的软件缺陷预测技术研究[J]. 长春大学学报 2017(10)
    • [24].基于改进蚁群算法在软件缺陷预测中的应用[J]. 太原科技大学学报 2016(01)
    • [25].半监督软件缺陷挖掘研究综述[J]. 数据采集与处理 2016(01)
    • [26].基于元学习的软件缺陷预测推荐方法[J]. 中国电子科学研究院学报 2015(06)
    • [27].面向软件缺陷报告的提取方法[J]. 计算机科学 2016(06)
    • [28].液压支架电液控制系统软件缺陷管理[J]. 工矿自动化 2016(11)
    • [29].软件缺陷管理方案分析[J]. 电脑与电信 2014(10)
    • [30].代价敏感分类的软件缺陷预测方法[J]. 计算机科学与探索 2014(12)

    标签:;  ;  ;  ;  ;  

    基于迁移学习的跨公司航天软件缺陷预测
    下载Doc文档

    猜你喜欢