《计算机集成制造系统杂志》发表论文赏析

学习困难与泛化能力感知的软件缺陷预测过采样方法

来源:计算机集成制造系统杂志2024年第8期北京时间:

作者:范洪旗, 严远亭, 张以文, 张燕平

单位:1.安徽大学计算智能与信号处理教育部重点实验室2.安徽大学计算机科学与技术学院

摘要:软件缺陷数据的类别分布不平衡特点给软件缺陷预测任务带了巨大的挑战。合成过采样是解决这一问题最为主流的技术,但如何设计合适的采样策略避免因引入异常样本而导致的过度泛化风险,始终是软件缺陷预测过采样方法面临的难点。针对这一问题,本文提出一种结合样本学习困难程度和合成泛化影响的过采样方法(GDOS)。具体来说,GDOS方法通过样本的局部先验概率和潜在合成方向上的样本分布信息衡量样本的安全系数与泛化系数,并以此度量样本的选择权重。通过抑制潜在过泛化区域的样本合成概率,给予相对安全的近邻合成方向更高的选择概率,为高质量样本的合成提供保障。在26个PROMISE数据集上的实验表明,GDOS在MCC、pd、pf、F-measure等指标上较于经典的采样方法和专门提出的软件缺陷预测采样方法均取得了更优的性能表现。

关键词:软件缺陷预测,类别不平衡,过采样,过度泛化

基金资助:国家自然科学基金资助项目(61806002,62272001)。

2024年8期其他文献查阅:

基于事件日志的业务过程控制流异常检测算法:现状与评测

基于无监督学习的工业互联网时序数据事件检测

基于图嵌入的多任务用户交互日志分段方法

学习困难与泛化能力感知的软件缺陷预测过采样方法

基于谱残差方法的工业互联网时间序列异常检测

面向工业互联网数据分析的机器学习工作流推荐方法

工业互联网业务过程行为中的协同聚合与智能化提升方法

能耗感知的云制造服务选择与调度优化方法

基于概念漂移发现的业务过程异常检测方法

业务过程概念漂移检测算法的质量评估框架

基于图卷积神经网络的漂移检测方法

基于特征选择的风机检修流程预测性监控方法

基于XGBoost增量实现业务流程执行结果的预测性监控方法

融合记忆网络与变迁系统的业务过程实例剩余执行时间预测方法

基于图像数据的缺失活动日志修复CNN方法

基于约束轨迹聚类的事件日志批量修复方法

面向行为不变性的事件日志采样方法

基于前景理论的软件缺陷预测过采样方法

面向紧邻关系重发现的事件日志采样方法及其应用

工业互联网环境下面向生产要素需求的服务推荐方法

基于Petri网的面向公共过程的协同业务过程验证方法

基于活动次序决策树的业务过程合规性检查方法

基于流程模型分解的分布式合规性检查方法

基于混合链的协作业务流程的隐私保护和数据监管

一种面向无标记事件日志的案例识别方法

工业互联网环境下位置感知的生产要素资源服务组合优化

异步通信系统的合理性检测

基于CZ-BWT改进的LZW压缩算法在电力报文中的应用

基于静止轨道卫星的雷达反射率反演业务过程研究

基于RC-LSTM的雷达回波外推方法

基于业务过程模型的刑事案件裁判文书过程信息自动梳理技术

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!