计算机科学 ›› 2017, Vol. 44 ›› Issue (Z6): 483-485.doi: 10.11896/j.issn.1002-137X.2017.6A.107
朱朝阳,陈相舟,闫龙,张信明
ZHU Chao-yang, CHEN Xiang-zhou, YAN Long and ZHANG Xin-ming
摘要: 针对软件系统日益复杂以及软件缺陷难以预测的问题,提出了一种使用人工免疫识别系统的软件缺陷预测模型。模型的构建首先通过主成分分析法对软件缺陷预测数据集进行特征的识别和提取,进一步提高学习算法的性能;针对计算亲和度时欧氏距离不能满足非线性应用需求的情况,为了提高算法对非线性应用的适用性,使用基于高斯径向基核函数的亲和度计算来计算抗体和抗原之间的亲和度阈值。再基于亲和度计算,进行抗体训练、资源竞争以及记忆细胞的选择。最后,利用记忆细胞集进行分类。模拟实验表明,针对实验中的数据集,所提模型的预测准确度达到84%~90%,精准度达到85%~91%。
[1] CLARK B,ZUBROW D.How Good is the Softwar e:A Review of Defect Prediction Techniques[C]∥Sponsored by the US department of Defense.2001. [2] 王斌,吴太文,胡培培.软件缺陷分类和分析研究[J].计算机科学,2013,40(9):16-20. [3] 张华.面向软件缺陷检测的静态分析技术[J].潍坊学院学报,2008,8(2):8-11. [4] 唐磊,李春平,杨柳.统计策略序列模式挖掘及其在软件缺陷预测中的应用[J].计算机科学,2013,40(5):164-167. [5] 周丹丹,李先国.基于静态检测工具的软件缺陷检测模型研究[J].计算机与现代化,2012(11):55-58. [6] 李勇.结合欠抽样与集成的软件缺陷预测[J].计算机应用,2014,34(8):2291-2294,2310. [7] 费清春,严沁,史莹莹.基于BP神经网络软件测试缺陷预测技术研究及应用[J].测控技术,2016,35(1):102-105. [8] MENZIES T,GREENWALD J,FRANK A.Data Mining Static Code Attributes to Learn Defect Predictors [J].IEEE Transactions on Software Engineering,2007,33(1):2-13. [9] ABAEI G,SELAMAT A.A survey on software fault detection based on different prediction approaches [J].Vietnam Journal of Computer Science,2013,1(1):1-17. [10] CATAL C,DIRI B.A systematic review of software fault prediction studies [J].Expert Systems with Applications,2009,36(4):7346-7354. [11] SMITH,LINDSAY I.A tutorial on principal components analysis[J].Information Fusion,2002,51(3):219-226. [12] 姜慧研,宗茂,刘相莹.基于ACO—SVM的软件缺陷预测模型的研究[J].计算机学报,2011,34(6):1148-1154. [13] 邬依林,李中华,毛宗源.自适应人工免疫算法在数据挖掘中的应用[J].计算机应用,2006,26(8):1943-1946. [14] 肖人彬,王磊.人工免疫系统:原理、模型、分析及展望[J].计算机学报,2002,25(12):1281-1293. [15] SHEPPERD M,SONG Q,SUN Z,et al.Data Quality:Some Comments on the NASA Software Defect Datasets[J].IEEE Transactions on Software Engineering,2013,39(9):1208-1215. |
No related articles found! |
|