[發(fā)明專利]一種基于混合式主動學(xué)習(xí)策略的軟件缺陷預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201811319619.3
• 申請日: 2018-11-07
• 公開（公告）號: CN109656808B
• 公開（公告）日: 2022-03-11
• 發(fā)明（設(shè)計）人: 曲豫賓;李芳
• 申請（專利權(quán)）人: 江蘇工程職業(yè)技術(shù)學(xué)院
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06K9/62
• 代理公司: 北京一格知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11316
• 代理人: 滑春生

1.一種基于混合式主動學(xué)習(xí)策略的軟件缺陷預(yù)測方法，其特征在于，所述基于混合式主動學(xué)習(xí)策略的軟件缺陷預(yù)測方法采用基于代價敏感的信息熵與相對熵協(xié)同主動學(xué)習(xí)方法，簡稱為UNCERTAINTYKL模型，所述UNCERTAINTYKL模型使用信息熵作為優(yōu)質(zhì)樣例的評價指標(biāo)，從未標(biāo)記樣例數(shù)據(jù)中選取信息熵較高的樣例手工標(biāo)注，同時使用相對熵來進一步分析低信息熵的樣例，進一步擴充已標(biāo)記數(shù)據(jù)集；

所述UNCERTAINTYKL模型包括以下步驟：

步驟1：通過信息熵計算公式計算每個未標(biāo)記樣例數(shù)據(jù)的信息熵；

步驟2：從未標(biāo)記樣例數(shù)據(jù)中選擇信息熵最高的數(shù)據(jù)樣例交由領(lǐng)域?qū)＜疫M行人工標(biāo)注，標(biāo)注完成后加入已標(biāo)記數(shù)據(jù)集；

步驟3：篩選步驟2中剩余信息熵最低的未標(biāo)記樣例數(shù)據(jù)，利用相對熵計算方式進行標(biāo)注；

步驟4：預(yù)先設(shè)置一個相對熵閾值，若相對熵低于閾值，則加入該樣例到已標(biāo)記數(shù)據(jù)集，同時用預(yù)測結(jié)果的標(biāo)記作為該數(shù)據(jù)的偽標(biāo)記；若相對熵高于閾值，則放棄對該樣例的處理；

為解決所述UNCERTAINTYKL模型求解問題，采用以下分段式優(yōu)化策略，優(yōu)化過程如下：

A.系統(tǒng)初始化：系統(tǒng)開始運行之前，從樣例集合池中取出一部分樣例交由領(lǐng)域?qū)＜疫M行手工標(biāo)注，記為標(biāo)記數(shù)據(jù)集D_l，初始標(biāo)記結(jié)合的采樣方式是隨機的從樣例集合中取樣，由標(biāo)記數(shù)據(jù)集D_l完成對分類模型θ¹的初次訓(xùn)練，作為后續(xù)對無標(biāo)記數(shù)據(jù)分類的基礎(chǔ)；

B.未標(biāo)記樣例主動選擇：使用分類模型θ¹對每一個未標(biāo)記樣例進行預(yù)測，依據(jù)公式計算每個樣例的信息熵，排序取出信息熵最大的樣例x_u,max交由領(lǐng)域?qū)＜疫M行手工標(biāo)注，并將x_u,max加入標(biāo)記數(shù)據(jù)集D_l；

C.確定度最高樣例的偽標(biāo)記處理：將信息熵最低的樣例x_u,min取出，依據(jù)公式計算相對熵，即KLD，將KLD與閾值進行比較，如果滿足閾值，則對x_u,min標(biāo)注，并將x_u,min加入標(biāo)記數(shù)據(jù)集D_l；

D.分類模型更新：使用標(biāo)記數(shù)據(jù)集D_l再次訓(xùn)練分類模型θ¹，然后循環(huán)直到滿足終止條件為止。

2.根據(jù)權(quán)利要求1所述的一種基于混合式主動學(xué)習(xí)策略的軟件缺陷預(yù)測方法，其特征在于，步驟2中所述信息熵最高的數(shù)據(jù)樣例的計算方式如下：

x_u,max＝arg max(-∑_iP_θ(y_i/x)log P_θ(y_i/x)) (1)

其中i表示第i個未標(biāo)注樣例(i＝1,2,...u)，y_i表示待分類標(biāo)簽所屬的標(biāo)簽值，x_u,max表示根據(jù)公式(1)得到的未標(biāo)記數(shù)據(jù)集中信息熵最大的數(shù)據(jù)樣例，屬于類別y_i的預(yù)測概率值，p_θ(y_i/x)表示基于已標(biāo)記數(shù)據(jù)集數(shù)據(jù)分布情況下的概率。

3.根據(jù)權(quán)利要求1所述的一種基于混合式主動學(xué)習(xí)策略的軟件缺陷預(yù)測方法，其特征在于，步驟3所述相對熵計算方式包括如下公式：

表示根據(jù)所有分類模型KLD計算得到的相對熵的均值，x_u,min表示根據(jù)公式(1)得到的未標(biāo)記數(shù)據(jù)集中信息熵最小的數(shù)據(jù)樣例，C表示查詢委員會的分類器數(shù)目，分類器的數(shù)據(jù)集為動態(tài)更新的D_l，分類委員會C＝{θ¹,...,θ^m}，分類委員會的分類器成員代表不同的分類策略，都能夠?qū)ξ礃?biāo)記數(shù)據(jù)計算當(dāng)前標(biāo)記，P_C(y_i/x)用于表示查詢委員會分類模型對于待分類標(biāo)記所屬的標(biāo)簽y_i的概率的平均值，D(P_θ(C)/P_C)表示分類模型θⁱ對其他模型的相對信息熵。

4.根據(jù)權(quán)利要求3所述的一種基于混合式主動學(xué)習(xí)策略的軟件缺陷預(yù)測方法，其特征在于，步驟4中所述閾值設(shè)置為經(jīng)驗閾值0.1，若所述值滿足閾值范圍，則使用θⁱ對x_u,min中的樣例進行偽標(biāo)記。