[发明专利]一种基于主成分分析和组合采样的软件缺陷预测方法在审
| 申请号： | 201910298450.6 | 申请日： | 2019-04-15 |
| 公开（公告）号： | CN109933539A | 公开（公告）日： | 2019-06-25 |
| 发明（设计）人： | 何海涛;任家东;张旭;胡昌振 | 申请（专利权）人： | 燕山大学 |
| 主分类号： | G06F11/36 | 分类号： | G06F11/36 |
| 代理公司： | 北京挺立专利事务所(普通合伙) 11265 | 代理人： | 刘阳 |
| 地址： | 066004 河北省*** | 国省代码： | 河北;13 |
| 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主成分分析和组合采样的软件缺陷预测方法，包括如下步骤：步骤S1：对软件缺陷数据利用融合特征选择降维去噪；步骤S2：对降维后的数据执行SMOTE过采样和分层随机采样相结合进行采样，其中过采样是指通过增加少数类样本的数量，从而使得数据集中类样本达到相对平衡，分层随机采样通过划分类进行分层，在每层内采用无放回随机采样；步骤S3：对处理后的数据选取分类器并对分类器参数进行调优。本发明选择随机森林分类器，其随机选择特征子集的特性，从而进一步达到对树的随机化目的，避免了分类器过拟合问题的出现，最终提升了软件缺陷预测性能以及预测效率，为现实中预测有缺陷软件提供了良好的理论和实验依据。 | ||
| 搜索关键词： | 软件缺陷 随机采样 采样 分层 主成分分析 预测 分类器 过采样 降维 样本 随机森林分类器 分类器参数 理论和实验 软件提供 数据集中 数据利用 数据选取 数据执行 随机选择 特征选择 特征子集 预测性能 随机化 拟合 去噪 融合 平衡 | ||
【主权项】：
1.一种基于主成分分析和组合采样的软件缺陷预测方法，其特征在于，包括如下步骤：步骤S1：对软件缺陷数据利用融合特征选择降维去噪；步骤S2：对降维后的数据执行SMOTE过采样和分层随机采样相结合进行采样，其中过采样是指通过增加少数类样本的数量，从而使得数据集中类样本达到相对平衡，分层随机采样通过划分类进行分层，在每层内采用无放回随机采样；步骤S3：对处理后的数据选取分类器并对分类器参数进行调优。
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燕山大学，未经燕山大学许可，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/201910298450.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种面向代价感知的实时缺陷预测模型增强方法
- 下一篇：存储装置及其操作方法
