基于特征选择的软件缺陷预测方法

软件缺陷对软件功能的实现具有不可预知的危险,是软件产品的固有成分,提高软件的可靠性,关键在于降低软件缺陷出现的概率,而如何利用已有缺陷数据构建预测系统框架是研究的重点.针对传统软件测试技术虽然能够有效发现软件缺陷,但需要消耗大量的时间和精力,制约软件开发效率的缺点,提出基于特征选择的软件缺陷预测方法,算法对软件缺陷模型的经验数据集进行多特征选择,进而克服数据集之间的冗余性移除无关特征,得到缺陷模型的分类,最终实现软件缺陷的精确预测.实验表明,基于特征选择的软件缺陷预测方法具有较好的预测效果和较高的应用价值.     

软件缺陷管理中分类及度量方法研究

本文以软件缺陷为研究对象,介绍了几种常用的、基于缺陷分类的缺陷分析方法,并对这些方法在缺陷分析过程中的应用进行了讨论。通过对这些缺陷分析方法的剖析,提出软件缺陷管理分类和度量分析方法,对不同类型软件缺陷进行收集、跟踪、处理和分析,在软件开发过程中,能够较好的预防引入同类缺陷;在软件测试阶段,利用设计好的缺陷分类方法,设计测试用例发现缺陷,提高软件系统的质量。     

文件和包层次的软件缺陷预测

软件缺陷预测中使用哪些软件度量和如何使用度量进行预测目前还没有定论。该文提出基于度量组合的方法来分析各种度量在缺陷预测中的作用,并用试验的方法证明了在缺陷预测中使用有限的度量可以达到与使用所有度量相近的预测效果。提出的度量组合方法具有通用性,能为缺陷预测过程提供有效的度量选择方法,并提高了预测结果的可解释性。     

静态代码属性与软件模块缺陷数的偏相关分析

为了解决因选择不同的静态代码属性子集而带来的不同软件缺陷预测性能的分歧,采用偏相关分析法,分析了静态代码属性之间的相关性,以及该相关性对预测算法的影响.在Eclipse数据集(包括发布前与发布后的缺陷数据)上的实验结果表明,静态代码属性之间存在偏相关.同时,也证实了偏相关是软件质量分析的非常重要的因素,为建立软件缺陷预测模型提供了可靠的分析方法.     

混凝土框架子结构角柱快速移除数值分析

研究了钢筋混凝土(RC)框架子结构在角柱突然失效模式下剩余结构的动力响应.依据Qian等完成的角柱快速移除动力试验,利用大型有限元软件ABAQUS/Explicit建立了精细化的有限元模型.在有限元模型中考虑了钢筋混凝土材料的应变率效应,并进行了现场试验的全过程加载模拟,模拟获得的位移响应曲线和破坏模式与现场试验吻合良好,较好地模拟了混凝土框架子结构角柱快速移除试验的全过程.在成功进行了模型校验的基础上,分析了角柱的失效时间和横向水平约束刚度对结构动力响应的影响,结果表明,延长结构的失效时间和增大横向水平约束刚度均能够有效地提高结构的抗倒塌性能.     

基于ODC的软件缺陷度量研究及应用

利用软件缺陷度量技术对软件项目进行评估是现今软件企业常用的评估手段.探讨了软件缺陷的分类技术,给出了利用正交分类法进行软件缺陷度量的一般方法.在此基础上对一个实例系统的缺陷进行度量,实验结果说明了从缺陷数据可以较好的评估软件项目.     

软件缺陷管理系统的研究

研究了软件缺陷管理的应用模型,提出了应用模型的解决方案,在此基础上给出了一个完整的软件缺陷管理系统的框架,并设计和实现了该系统.     

浅谈软件缺陷报告中的元素及其提取面临的挑战

阐述了软件使用者提交的软件缺陷报告对软件开发者的重要性，以及提取缺陷报告中含有软件缺陷信息的重要结构元素对研究软件缺陷和提高软件缺陷修复速度的重要作用，并分析了补丁、堆栈轨道、源代码、枚举等4种主要结构元素，以及在提取这些元素的过程中所面临的主要挑战。     

基于SA-BP神经网络的软件缺陷预测模型的研究

探讨了传统BP神经网络的模型与结构,并针对BP神经网络容易陷入局部最优的缺陷,提出用模拟退火技术代替局部梯度下降法修正网络权值的SA-BP算法,用于构建SA-BP神经网络的软件缺陷预测模型,并通过实验证明了SA-BP神经网络模型应用于软件缺陷预测的有效性.     

一种基于噪声建模技术的手写体数字去噪方法

文章研究的是在手写体数字字符图像上的孤立噪声移除问题,提出了一种基于噪声建模技术的新方法。新方法主要针对于难以处理的斑块状噪声的移除,通过模型判断并移除噪声。一种基于投影算法的模型用于移除位于字符两边的噪声,而一种基于神经网络的模型用于移除字符中间的噪声。另外,新方法对字符形态没有改变,保留了数字的原始信息。我们对约4000张带噪字符集进行实验,平均去噪错误率小于0.7%。     

基于主动学习的跨项目软件缺陷预测方法

通过软件缺陷预测可以有效地提高软件测试效率,保证软件产品的质量。针对新开发的项目面临训练数据不足,标注代价高以及源项目与目标项目的缺陷模式难以匹配的问题,提出基于主动学习的跨项目软件缺陷预测方法。首先使用主动学习方法对目标项目进行筛选标注,其次将得到的标签集与跨项目数据进行数据融合和模式匹配,最后构建跨项目软件缺陷预测模型。采用真实的软件缺陷数据进行实验,与传统方法比较性能有所提升。结果表明该方法可以通过模式匹配有效提高跨项目软件缺陷预测模型的性能。     

系统结构缺陷分层预测方法

为解决缺陷预测中的缺陷分类问题, 提出了分层式缺陷预测模型。通过对缺陷特征的分析建立了缺陷特征预测方法, 使具有相似特征的缺陷形成相似特征缺陷簇。给出了相似特征缺陷簇间关联关系预测方法, 构建了缺陷关联关系预测模型, 使具有强关联关系的相似特征缺陷簇再次成簇, 从而达到缺陷预测的目的。实验结果表明, 在缺陷成簇密度、 成簇数量及成簇客观性方面, 该系统结构缺陷分层预测方法好于K-means算法。     

含腐蚀缺陷管道拉伸应变能力预测模型研究

在埋地管道的基于应变设计和评估中，准确和可靠的拉伸应变能力(TSC)预测至关重要。国际管道研究理事会和可靠能源系统中心等研究机构提出的多种TSC预测模型均不适用于具有腐蚀缺陷的管道。鉴于此，本文基于经全尺寸管道拉伸实验验证的广泛参数有限元分析，提出了一种适用于腐蚀管道的TSC预测模型。在所提出的模型中，根据TSC与影响参数之间的相关关系，构建了一个缺陷几何因子函数以描述腐蚀缺陷尺寸(缺陷深度、宽度和长度)对拉伸应变能力的影响。通过非线性回归分析和误差分析验证了所提出模型的准确性和可靠性。结果表明：与有限元结果相比，所提出模型的平均预测误差为5.78%；与实验测试结果相比，模型的最小和最大预测误差分别为3.68%和24.51%；模型的预测范围可以满足应变设计地段腐蚀管道实际安全评估的需求。     

化学去细胞法制备异体面神经修复兔全面神经缺损模型的建立

目的探讨去细胞异体面神经修复家兔全面神经缺损的可行性,为进一步研究异体面神经再生打下良好的基础。方法采用化学萃取剂Triton X-100和脱氧胆酸钠对家兔面神经进行处理,清除其雪旺细胞、髓鞘。造成家兔左侧面神经主干加分支共2 cm的缺损,采用去细胞异体全面神经在显微镜下进行外膜缝合桥接缺损。结果术后6个月取材显示良好的抗感染及再生能力。结论该修复模型稳定,可重复性强,化学去细胞异体全面神经修复家兔全面神经缺损是可行的。     

基于初始缺陷形状的混凝土结构锈胀开裂理论模型

为考虑材料初始缺陷形状的影响,将其假定为三维半椭球形.基于断裂力学理论将锈胀裂缝扩展过程划分为两个临界阶段:初始开裂阶段和完全开裂阶段,并分别对两组临界阶段进行了分析,建立了混凝土构件保护层胀裂时的锈胀力及开裂时间预测模型.为了验证所提出预测模型的正确性,分别采用已有的室内锈蚀实验、现场测试数据进行验证,计算结果吻合较好,说明本文预测模型具有一定合理性.在此基础上,对初始缺陷长度、混凝土保护层厚度、钢筋半径、相对保护层厚度等参数进行敏感性分析,结果表明增加混凝土保护层厚度和相对保护层厚度,有利于提高钢筋混凝土结构的服役性能.     

基于随机森林的热轧带钢质量分析与预测方法

以某钢铁企业的热轧带钢生产实际数据作为分析对象,基于改进的随机森林算法分析工艺参数与产品质量间的隐含关系,进行影响产品质量关键工艺参数的特征提取,建立热轧带钢产品缺陷预测模型.实验结果表明,对非平衡数据集进行平衡处理可以提高样本预测精度;采用CART与C4.5相结合的方法比单一方法可以进一步提升预测精度;同时根据特征的高相关与低相关特性,将互信息作为评价指标应用于特征选择,可以提升随机森林算法的分类效果.在以上三种改进策略下,热轧带钢缺陷的识别率得到明显提高.     

可缓解类重叠问题的跨版本软件缺陷预测方法

针对软件缺陷预测过程中未充分使用源代码语义特征以及训练数据集中的类重叠问题, 提出一种面向类重叠的跨版本软件缺陷深度特征学习方法. 该方法采用混合式最近邻清理策略缓解深度学习语义特征中存在的类重叠问题. 在PROMISE公开数据集上进行测试的结果表明, 该策略能提升基于深度语义学习的软件缺陷预测性能, 分类性能最多在中值上提升14.8%. 实验结果表明, 在跨版本深度缺陷预测问题中可采用混合式最近邻清理策略缓解类重叠问题.     

基于线性LTSA算法维数约减的软件缺陷预测研究

软件缺陷预测是软件开发过程中的一项重要技术,针对软件缺陷数据集的高维、小采样造成预测精度下降的问题,采用线性局部切空间排列算法对数据集降维处理,选用支持向量机作为基础分类器进行二值分类,建立软件缺陷预测模型,采用二维混淆矩阵评价模型的预测精度.实验结果表明,与其他模型相比,该模型可用较少的邻域点约简至更低的维度,不需要重新学习样本空间的流行几何结构,直接映射新的样本点,且预测时间耗费成本由13. 726 9 s降低至6. 217 s,给定参数区间寻优时间耗费由267. 442 1 s降低至165. 98 s,有效提高了软件缺陷预测的效率.     

基于改进YOLOv5算法的钢铁表面缺陷检测

根据以往钢铁表面缺陷检测技术的检测效能较低、准确性低的情况，提出一种改进YOLOv5s的钢材表面缺陷检测算法。主要改进为：加入坐标注意力机制(Coordinate Attention，CA)的空洞空间卷积池化金字塔 (Atrous Spatial Pyramid Pooling，ASPP)，扩大模型感受野和多尺度感知能力的同时能更好的获取特征位置信息；加入改进的选择性内核注意力机制(Selective Kernel Attention，SK)，使模型能更好的利用特征图中的频率信息，提升模型的表达能力；将损失函数替换为SIoU，提升模型性能的同时加快模型的收敛。实验数据表明，改进的YOLOv5s网络模型在NEU-DET数据集上的mAP值为78.13%，相比原网络模型提高了2.85%。改进的模型具有良好的检测型性能的同时检测速度为103.9 FPS，能够满足实际应用场景中钢材表面缺陷实时检测的需求。