[發明專利]基于強化混合專家模型的跨項目軟件缺陷預測方法有效
| 申請號： | 202011100263.1 | 申請日： | 2020-10-13 |
| 公開（公告）號： | CN112199287B | 公開（公告）日： | 2022-03-29 |
| 發明（設計）人： | 潘麗敏;尹培宇;羅森林;王殿元 | 申請（專利權）人： | 北京理工大學 |
| 主分類號： | G06F11/36 | 分類號： | G06F11/36;G06K9/62;G06N20/10 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 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： | 基于 強化 混合 專家 模型 項目 軟件 缺陷 預測 方法 | ||
1.基于強化混合專家模型的跨項目軟件缺陷預測方法，其特征在于，包括以下步驟：
步驟1，提取跨項目軟件模塊數據，首先抽取跨項目軟件模塊的歷史數據，然后提取跨項目軟件模塊的度量特征，最后標注所有跨項目軟件模塊的缺陷屬性；
步驟2，提取跨項目軟件模塊數據中的全局信息，首先對所有跨項目軟件模塊數據進行k均值聚類，將全局數據劃分為多個子集，然后基于所有跨項目軟件模塊數據，全局訓練隨機森林；
步驟3，基于劃分得到的不同簇，迭代執行預專家模型的分配和強化，提取跨項目軟件模塊數據中的局部信息，首先使用基于準確率作為閾值的分配方法為每個子集分配預專家模型，然后利用每個子集中的數據通過調整節點特征的順序和重新計算重排特征下的切割分數優化其對應的預專家模型，然后針對任意樣本，分別計算其屬于每個預專家模型的概率η，根據所有η值的大小，將樣本重新分配到計算出的η值最大的預專家模型對應的子集中，最后重復執行預專家模型的強化與重構過程，直到模型的性能最優；
步驟4，根據迭代重構后的子集劃分結果訓練門控網絡，使用硬選通策略組合優化好的預專家模型構成完整的強化混合專家模型；
步驟5，用訓練得到的強化混合專家模型預測本項目軟件模塊是否存在缺陷。
2.根據權利要求1所述的基于強化混合專家模型的跨項目軟件缺陷預測方法，其特征在于：步驟3中基于準確率作為閾值的分配方法為：采用平均加權策略，將分類精度大于閾值θj的樹模型組合成關于Dj的預專家模型，記為Mj，預專家模型Mj的評選標準如下：
其中θj是訓練好的隨機森林在子集Dj上的準確率，作為屬于子集Dj的預專家模型的選擇閾值。
3.根據權利要求1所述的基于強化混合專家模型的跨項目軟件缺陷預測方法，其特征在于：步驟3中基于分類效果的分配方法為：針對任意樣本，分別計算其屬于每個預專家模型的概率η，根據所有η值的大小，將樣本重新分配到計算出的η值最大的預專家模型對應的子集中，其中樣本i屬于預專家模型Mj的概率ηij的計算公式如下：
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，未經北京理工大學許可，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/202011100263.1/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種新型蜂毒肽及其應用
- 下一篇：口罩打片機
