[發明專利]基于深度信念網絡算法支持向量機的軟件缺陷預測方法在審
| 申請號： | 201810571352.0 | 申請日： | 2018-06-06 |
| 公開（公告）號： | CN108763096A | 公開（公告）日： | 2018-11-06 |
| 發明（設計）人： | 單純;熊雯潔;位華;胡昌振;毛俐旻 | 申請（專利權）人： | 北京理工大學;北京計算機技術及應用研究所 |
| 主分類號： | G06F11/36 | 分類號： | G06F11/36 |
| 代理公司： | 北京理工大學專利中心 11120 | 代理人： | 溫子云;仇蕾安 |
| 地址： | 100081 *** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 軟件缺陷 信念網絡 預測 算法支持 向量機 降維 支持向量機 多維測量 精度降低 軟件度量 軟件提取 數據冗余 預測結果 預測模型 分類 | ||
【權利要求書】：
1.一種基于深度信念網絡算法支持向量機DBN-SVM的軟件缺陷預測方法，其特征在于，包括：
采用深度信念網絡DBN對從待預測軟件提取的軟件度量屬性進行降維；
降維后的數據進入支持向量機SVM進行分類，得到軟件缺陷預測結果。
2.如權利要求1所述的方法，其特征在于，DBN-SVM模型的樣本數據集來自美國國家航空航天局NASA的軟件缺陷預測數據集MDP。
3.如權利要求2所述的方法，其特征在于，選取MDP中的JM1、MC1和PC5數據集進行訓練和驗證。
4.如權利要求1所述的方法，其特征在于，DBN-SVM模型的訓練包括如下步驟：
步驟1、在樣本數據集中選擇部分作為訓練集X，用于對DBN進行預訓練，獲得經過降維的訓練集X1以及構建好的DBN；
步驟2、將所述訓練集X1輸入SVM分類器，對分類器進行訓練；
步驟3、從所述樣本數據集中選擇測試集Y，輸入訓練好的DBN-SVM，獲得預測結果，與實際結果進行比較，以驗證模型效果。
5.如權利要求4所述的方法，其特征在于，將樣本數據集隨機分為10個子集；每次選取其中一個子集作為測試集，而剩余的9個子集被用作訓練集，采用十倍交叉驗證，共進行10次驗證實驗；將10次實驗結果與實際結果進行比較，并取十次比較的平均值來評價模型的性能。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京理工大學;北京計算機技術及應用研究所，未經北京理工大學;北京計算機技術及應用研究所許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810571352.0/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種代碼測試方法和裝置
- 下一篇：自動化測試方法、裝置、電子設備、存儲介質
