基于动态分布适应网络的跨项目缺陷预测

来源：计算机测量与控制杂志2024年第8期北京时间：

作者：章树卿,周世健,毛敬恩,樊鑫

单位：南昌航空大学 软件学院

摘要：在软件缺陷预测中，跨项目缺陷预测是基于源项目的标记数据来训练模型，并预测当前正在开发的目标项目的缺陷；然而，两个不同项目数据之间的分布差异往往限制了跨项目缺陷预测模型的能力；由于源域和目标域的数据通常来自不同的分布，因此现有方法主要集中于适应跨域边缘或条件分布；在实际应用中，现有方法无法定量评估边缘分布和条件分布的重要性，这将导致传输性能不理想；论文提出了一种基于动态分布适应网络的跨项目缺陷预测方法来解决分布差异问题，它利用迁移学习能够定量评估每个分布的相对重要性；论文对来自3个公共数据集的 24个项目进行了实验，以验证所提出的方法。结果表明，平均而言在 AUC 和 F1 分数上分别比所有基线方法高出至少 1.3% 和 5.7%。这表明所提出的方法具有良好的性能特点。

关键词：迁移学习;跨项目;动态分布;深度学习;定量评估