一种基于模糊支持向量机软件模块缺陷检测算法

被引：4

作者：

郭丽娜 ^{[1
]}

杨杨 ^{[2
]}

机构：

[1] 南京师范大学计算机科学与技术学院

[2] 南京师范大学强化培养学院

来源：

南京大学学报(自然科学版) | 2012年 / 48卷 / 02期

关键词：

支持向量机; 软件模块缺陷预测; 数据抽样; 集成学习;

D O I：

10.13232/j.cnki.jnju.2012.02.013

中图分类号：

TP18 [人工智能理论]; TP311.53 [];

学科分类号：

140502 [人工智能];

摘要：

不平衡数据的分类问题是机器学习研究领域的重要问题,有着广泛的应用,如软件模块缺陷检测.基于支持向量机的不平衡数据分类方法是主流的分类方法之一,受到研究者广泛的关注.本文在已有的基于模糊支持向量机的不平衡数据分类方法的基础上,结合抽样技术,提出了基于模糊支持向量机的不平衡数据分类算法和基于模糊支持向量机的不平衡数据分类集成算法.在NASA的两个软件模块缺陷度量数据集CM1和KC3上的实验结果表明了本文新提出算法的有效性.

引用

页码：221 / 227

页数：7

共 7 条

[1]

基于复杂性的软件缺陷预测 [J].