首页 | 本学科首页   官方微博 | 高级检索  
     

深度信念网软件缺陷预测模型
引用本文:甘露,臧洌,李航. 深度信念网软件缺陷预测模型[J]. 计算机科学, 2017, 44(4): 229-233
作者姓名:甘露  臧洌  李航
作者单位:南京航空航天大学计算机科学与技术学院 南京210016,南京航空航天大学计算机科学与技术学院 南京210016,南京航空航天大学计算机科学与技术学院 南京210016
摘    要:软件缺陷预测技术在检测软件缺陷、保证软件质量方面发挥了重要的作用。利用神经网络分类算法构建的软件缺陷预测模型得到了广泛的应用。但是利用神经网络分类算法训练历史数据只能进行“浅层学习”,无法对数据特征进行深度挖掘。针对该问题,利用多层限制玻尔兹曼机叠加成深度信念网,先进行特征集成与迭代,并对这些特征数据进行深度学习,构建了基于深度信念网的软件缺陷预测模型(DBNSDPM)。仿真实验表明,本模型预测的准确性与传统的神经网络缺陷预测模型预测的准确性相比有显著提高。

关 键 词:软件缺陷预测  限制玻尔兹曼机  深度学习  深度信念网
收稿时间:2016-03-03
修稿时间:2016-08-31

Deep Belief Network Software Defect Prediction Model
GAN Lu,ZANG Lie and LI Hang. Deep Belief Network Software Defect Prediction Model[J]. Computer Science, 2017, 44(4): 229-233
Authors:GAN Lu  ZANG Lie  LI Hang
Affiliation:College of Computer Science and Technology,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,China,College of Computer Science and Technology,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,China and College of Computer Science and Technology,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,China
Abstract:
Keywords:Software defect prediction  Restricted Boltzmann machine  Deep learning  Deep belief network
点击此处可从《计算机科学》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号