[发明专利]一种基于GitHub的半监督异构软件缺陷预测方法有效
| 申请号： | 201910261507.5 | 申请日： | 2019-04-02 |
| 公开（公告）号： | CN110008584B | 公开（公告）日： | 2020-11-06 |
| 发明（设计）人： | 荆晓远;孙莹;李娟娟;黄鹤;杨永光;姚永芳;彭志平 | 申请（专利权）人： | 广东石油化工学院 |
| 主分类号： | G06F30/27 | 分类号： | G06F30/27;G06F11/36 |
| 代理公司： | 广州润禾知识产权代理事务所(普通合伙) 44446 | 代理人： | 凌衍芬 |
| 地址： | 525099 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于GitHub的半监督异构软件缺陷预测算法，包括以下步骤：首先是数据集收集，建立自己的数据库；对收集到的数据预处理；然后这里异构的数据处理，我们引入增强版的典型关联分析方法，它是由统一度量表示(UMR)和典型关联分析(CCA)组成；最后我们加入了代价敏感的核半监督判别方法，从而实现了基于GitHub的半监督异构软件缺陷预测算法，本发明的优点在于解决了软件缺陷预测中数据异构的问题以及首次提出了代价敏感的核半监督鉴别分析(CKSDA)技术，利用代价敏感的学习技术，解决不同的错误分类代价，实现了缺陷预测效果。 | ||
| 搜索关键词： | 一种 基于 github 监督 软件 缺陷 预测 方法 | ||
【主权项】：
1.一种基于GitHub的半监督异构软件缺陷预测算法，其特征在于，所述基于GitHub的半监督异构软件缺陷预测算法包括以下步骤：步骤(1)、收集数据建立数据库；步骤(2)、数据预处理，包括数据规范化和数据过滤；步骤(3)、匹配源数据和目标数据，引入统一度量表示(UMR)和典型相关分析方法(CCA)；步骤(4)、半监督判别分析；步骤(5)、核半监督判别分析；步骤(6)、代价敏感核半监督判分析。
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广东石油化工学院，未经广东石油化工学院许可，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/201910261507.5/，转载请声明来源钻瓜专利网。
