[发明专利]基于少样本数据学习的软件缺陷预测方法在审
| 申请号： | 201910040317.0 | 申请日： | 2019-01-16 |
| 公开（公告）号： | CN109885482A | 公开（公告）日： | 2019-06-14 |
| 发明（设计）人： | 赵林畅;尚赵伟;赵灵;王敏全;周晔 | 申请（专利权）人： | 重庆大学 |
| 主分类号： | G06F11/36 | 分类号： | G06F11/36;G06K9/62;G06K9/66;G06N3/04 |
| 代理公司： | 北京同恒源知识产权代理有限公司 11275 | 代理人： | 赵荣之 |
| 地址： | 400044 重*** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于少样本数据学习的软件缺陷预测方法，属于软件工程领域。该方法包括：S1：构建基于孪生网络的SDNN，即孪生全连接网络；S2：输入正样本和负样本数据，通过SDNN网络进行少样本学习，提取样本对数据的高层次深度特征；S3：采用度量学习函数对步骤S2中提取的高层次深度特征进行比较学习和概率输出，调节正负样本比例，设置函数学习参数，使度量学习函数更加关注对有缺陷数据特征的学习；S4：获得预测结果。本发明所采用的方法与现有技术相比，能在有限的、高维的、不平衡的数据集上获得更好的预测效果，而且在不同的不平衡率下，性能更加稳定；还能够在较少数据和时间等条件下，取得更好的预测结果。 | ||
| 搜索关键词： | 学习 软件缺陷 深度特征 样本数据 预测结果 度量 预测 概率输出 函数学习 连接网络 缺陷数据 软件工程 样本学习 正负样本 负样本 数据集 正样本 高维 构建 样本 网络 | ||
【主权项】：
1.基于少样本数据学习的软件缺陷预测方法，其特征在于，该方法具体包括以下步骤：S1：构建基于孪生网络(Siamese networks)的深度学习网络(Siamese Dense neural networks,SDNN)，即孪生全连接网络；S2：输入正样本和负样本数据，通过SDNN网络进行少样本学习，提取样本对数据的高层次深度特征；S3：采用度量学习函数对步骤S2中提取的高层次深度特征进行比较学习和概率输出，调节正负样本比例，设置函数学习参数，使度量学习函数更加关注对有缺陷数据特征的学习；S4：获得预测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆大学，未经重庆大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910040317.0/，转载请声明来源钻瓜专利网。
