一种基于数据欠采样和集成学习的软件缺陷数目预测方法

发明专利无效专利

申请号：
CN201710548391.4
IPC分类号：G06F17/18
申请日期：
2017-07-06
申请人：
武汉大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于数据欠采样和集成学习的软件缺陷数目预测方法
申请号	CN201710548391.4	申请日期	2017-07-06
法律状态	权利终止	申报国家	中国
公开/公告日	2017-11-24	公开/公告号	CN107391452A
优先权	暂无	优先权号	暂无
主分类号	G06F17/18 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06F 电数字数据处理（基于特定计算模型的计算机系统入G06N） G06F17/00 特别适用于特定功能的数字计算设备或数据处理设备或数据处理方法〔6〕 G06F17/10 复杂数学运算的〔6〕 G06F17/18 用于换算统计数据的〔6〕	IPC分类号	G;0;6;F;1;7;/;1;8查看分类表>
申请人	武汉大学	申请人地址	湖北省武汉市武昌区珞珈山武汉大学变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	武汉大学	当前权利人	武汉大学
发明人	余啸;周培培;刘进;崔晓晖;伍蔓;井溢洋
代理机构	武汉科皓知识产权代理事务所（特殊普通合伙）	代理人	鲁力

摘要

本发明针对软件缺陷数据集中数据极度不平衡会降低软件缺陷数目预测模型的性能的问题，提出了一种基于数据欠采样和集成学习的软件缺陷数目预测方法。本发明设计了合理的不平衡数据处理策略，首先利用随机欠采样技术通过删除缺陷数据集中缺陷数目为零的软件模块得到相对平衡的新数据集，然后利用相对平衡的缺陷数据集训练出若干个弱的软件缺陷数目预测模型，最后集成这些弱的软件缺陷数目预测模型来预测待预测的软件模块的缺陷数目。本发明的技术方案既能够解决缺陷数据集中数据不平衡的问题，又能够结合多个弱的预测模型来提高软件缺陷数目预测模型的性能。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供