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)。
