基于粗糙集-支持向量机的软件缺陷预测
【出 处】:
【作 者】:
孟倩
[1,2] ;
马小平
[1]
【摘 要】
软件缺陷预测已成为软件工程的重要研究课题,构造了一个基于粗糙集和支持向量机的软件缺陷预测模型.该模型通过粗糙集对原样本集进行属性约减,去掉冗余的和与缺陷预测无关的属性,利用粒子群对支持向量机的参数做选择.实验数据来源于NASA公共数据集,通过属性约减,特征属性由21个约减为5个.实验表明,属性约减后,Bayes分类器、CART树、神经网络和本文提出的粗糙集—支持向量机模型的预测性能均有所提高,本文提出的粗糙集支持向量机的预测性能好于其他三个模型.
相关热词搜索: 粗糙集 支持向量机 软件缺陷 预测 粒子群 rough sets support vector machine software defect prediction particle swarm optimization
上一篇:高性能计算专栏约稿
下一篇:基于过设计与欠设计约束的服务质量控制方法