|
|||||
|
|
| 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 |