基于迁移学习的跨公司航天软件缺陷预测
文献类型：期刊论文
| 作者 | 哈清华; 刘大有; 陈媛; 刘逻 |
| 刊名 | 光学精密工程
 |
| 出版日期 | 2019 |
| 卷号 | 27期号:02页码:469-478 |
| 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 |
| 英文摘要 | 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。 |
| 源URL | [http://ir.ciomp.ac.cn/handle/181722/63751]  |
| 专题 | 中国科学院长春光学精密机械与物理研究所 |
| 推荐引用方式 GB/T 7714 | 哈清华,刘大有,陈媛,等. 基于迁移学习的跨公司航天软件缺陷预测[J]. 光学精密工程,2019,27(02):469-478. |
| APA | 哈清华,刘大有,陈媛,&刘逻.(2019).基于迁移学习的跨公司航天软件缺陷预测.光学精密工程,27(02),469-478. |
| MLA | 哈清华,et al."基于迁移学习的跨公司航天软件缺陷预测".光学精密工程 27.02(2019):469-478. |
入库方式： OAI收割
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。