一种软件缺陷不平衡数据分类新方法 |
| |
作者单位: | 中国石油大学(华东)计算机科学与技术学院,山东青岛266580 |
| |
基金项目: | 国家自然科学基金;山东省自然科学基金 |
| |
摘 要: | 针对软件缺陷预测数据中的数据不平衡、预测精度低以及特征维度高的问题,提出了一种RUS-RSMOTE-PCA-Vote的软件缺陷不平衡数据分类方法。首先通过随机欠采样来减少无缺陷样本的数量;在此基础上进行SMOTE过采样,在过采样中综合总体样本的分布状况引入影响因素posFac指导新样本的合成;对经过RUS-RSMOTE混合采样处理后的数据集进行PCA降维,最后应用Vote组合K最近邻、决策树、支持向量机构造集成分类器。在NASA数据集上的实验结果表明,与现有不平衡数据分类方法相比,所提方法在F-value值、G-mean值和AUC值上更优,有效地改善了软件缺陷预测数据集的分类性能。
|
关 键 词: | 软件缺陷预测 不平衡数据 混合采样 特征降维 集成分类器 |
本文献已被 CNKI 万方数据 等数据库收录! |
|