基于改进SMOTE的软件缺陷预测 |
| |
引用本文: | 张丽,沈雅婷,朱园园.基于改进SMOTE的软件缺陷预测[J].计算机工程与设计,2023(10):2965-2972. |
| |
作者姓名: | 张丽 沈雅婷 朱园园 |
| |
作者单位: | 南京理工大学紫金学院计算机学院 |
| |
基金项目: | 江苏省高等学校基础科学(自然科学)研究基金项目(21KJB520009);;江苏高校哲学社会科学研究基金项目(2021SJA2257、2023SJYB0677); |
| |
摘 要: | 为解决软件缺陷预测中的不平衡问题,提出一种基于聚类少数类的改进SMOTE算法。对训练集中的少数类样本进行K-means聚类后,通过关键特征权重及与簇心距离权重,计算每个样本的合成样本数量,采用改进的SMOTE算法实现过抽样。采用CART决策树作为基分类器,使用AdaBoost算法对平衡数据集训练,得到分类模型CSMOTE-AdaBoost。在7组NASA数据集上进行实验,验证分类模型中关键特征权重及与簇心距离权重的有效性,其结果优于传统分类算法,具有更好的分类效果。
|
关 键 词: | 缺陷预测 分类不平衡 聚类少数类 关键特征权重 过采样 合成少数类过采样技术 集成学习 |
|
|