如需要完整文档点击下方 "点击下载文档" 按钮

目前,结合机器学习方法和软件缺陷预测技术自动地学习模型来发现软件中的缺陷,已经成为跨项目缺陷预测的主要方法。由于源项目和目标项目之间的特征分布差异,跨项目相关性预测的表现通常较差。针对该问题,可以使用从源项目中提取知识并将其转移到目标项目的转移学习技术来提高预测性能,并提出了一种增加度量元的迁移学习方法进行跨项目的软件缺陷预测。该方法首先使用分类器对数据集进行一次项目内预测,并将预测结果作为新的度量元加入数据集。然后采用迁移学习方法将源项目中提取的知识转移至目标项目,并使用分类器预测目标项目。在AEEEM 数据集上的实验结果表明,该算法提高了跨项目软件缺陷预测效率。

如需要完整文档点击下方 "点击下载文档" 按钮

《增加度量元的迁移学习跨项目软件缺陷预测》

将 完整文档 下载到本地，方便收藏和查阅

文件号：062662

点击下载文档