[發明專利]基于改進的Adaboost軟件缺陷不平衡數據分類方法

在審

• 申請號: 201610004546.3
• 申請日: 2016-01-04
• 公開（公告）號: CN105677564A
• 公開（公告）日: 2016-06-15
• 發明（設計）人: 李克文;鄒晶杰
• 申請（專利權）人: 中國石油大學（華東）
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06K9/62;G06N3/12
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于改進的Adaboost軟件缺陷不平衡數據分類方法，其特征在于，主要 包括以下三個步驟：

A.從軟件數據集中獲取數據，包括軟件特征集和軟件模塊，并對其進行預處 理；將軟件模塊數據分為訓練集和測試集以備訓練和測試；本發明采用十 次交叉驗證，將軟件模塊數據集分成十份，其中九份做訓練，一份做測 試；

B.利用基于改進的遺傳算法與BP神經網絡結合進行軟件數據的特征選擇，得 到最優特征子集，從而對軟件特征進行降維處理，減少運算時間；

(1)隨機產生初始種群，種群大小為P；對特征集進行二進制編碼，0代 表選擇特征，1表示不選擇特征；

(2)以BP神經網絡訓練數據集，根據預測誤差調整網絡的權值和閾值；

(3)利用遺傳算法對BP神經網絡進行優化，進行選擇、交叉、變異的操 作；為充分考慮軟件數據集的不平衡性，適應度函數采用普遍適用于不平衡數 據分類評價的Gmeans，較高的Gmeans值表示分類器是平衡的，即對兩個類 的分類來說都有好的性能，定義如下：

fitness=Gmeans=true positive rate×true negative rate=TPTP+FN×TNFP+TN]]>

其中，TP為實際有缺陷且分類正確的模塊數，FN為實際有缺陷但被分類錯誤 的模塊數，FP為實際無缺陷但被分類錯誤的模塊數，TN為實際無缺陷且分類 正確的模塊數；

(4)判斷是否達到迭代次數，若達到，則輸出當前最優特征子集，否則 執行以下過程

(a)根據適應度函數選擇遺傳到下一代的個體，適應度越高被選擇的概 率越大；

(b)采用單點交叉算子進行交叉操作，采用單點變異算子進行變異操 作；

C.根據得到的最優特征子集，充分考慮軟件缺陷數據的不平衡性，訓練基于 改進的Adaboost分類器，得到軟件缺陷預測模型，步驟如下：

(1)初始化樣本集內的樣本權重

D₁(i)＝1/n

其中，n為樣本數，D₁(i)為樣本在第1輪迭代中的權重；

(2)進行T次循環訓練弱分類器h_t(x)，迭代次數t＝1,2,…,T

(a)計算弱分類器h_t(x)在當前樣本分布上的分類錯誤率，針對軟件缺陷 數據的不平衡性，應充分關注被誤分為“無缺陷”實則“有缺陷的”樣本，被誤分 為“無缺陷”的樣本比例越大，則分類器的分類錯誤率應相應地增加；因此，設 定h_t(x)的分類錯誤率為：

ϵt=Σi=1NDt(i)I[ht(xi)≠yi]+FNTP+FN]]>

其中，其中D_t(i)為樣本(x_i,y_i)在第t輪迭代中的權重，I[h_t(x_i)≠y_i]說明參與 分類錯誤率ε_t計算的是被誤分類的樣本；

(b)若ε_t>0.5或者ε_t＝0，則令T＝t-1,迭代停止；

(3)計算弱分類器h_t(x)在最終集成獲得的強分類器中的加權系數：

αt=12ln1-ϵtϵt]]>

(4)更新訓練集樣本權值：

其中，Z_t是歸一化因子:

Zt=ΣDt(i)e(-αtyi)ht(xi)]]>

(5)輸出強分類器：

H(x)=signΣt=1Tαtht(x)]]>

(6)利用得到的強分類器，對軟件模塊進行缺陷預測。