基于机器学习的软件缺陷预测研究

打开文本图片集

摘要：在机器学习技术逐渐渗透到各个领域的背景下，软件开发流程中的软件测试非常重要，面对在软件缺陷预测过程中出现的类别不平衡和准确性问题，提出一种基于监督学习的解决方案，采用样本平衡技术，结合合成少数类过采样技术（synthetic minority over-sampling technique，SMOTE）与编辑最近邻（edited nearest neighbor，ENN）算法，对局部加权学习（local weight learning，LWL）、J48、C4.8、随机森林、贝叶斯网络（Bayes net，BN）、多层前馈神经网络（multilayer feedforwardneural network，MFNN）、支持向量机（supported vector machine，SVM）以及朴素贝叶斯（naive Bayeskey，NB-K）等多种算法进行测试。（剩余17521字）