基于前景理论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：徐彪, 严远亭, 张以文
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：在软件缺陷预测中,数据困难因子对预测性能的影响比类不平衡更为明显。然而,大多数现有软件缺陷预测过采样方法在解决类不平衡问题过程中,忽视了软件项目数据集固有的数据困难因子,从而导致预测性能不佳。针对上述问题,提出一种基于前景理论的过采样算法(POS)。POS同时考虑局部邻域中同类和异类样本的影响来评估少数类样本的学习难度,通过基于引力的策略构建同类收益和异类损失来刻画样本的前景值,并强调异类损失来计算少数类样本的采样权重,以此降低引入数据困难因子的风险,提高合成样本的质量,进一步提升预测性能。在NASA数据集上的实验结果表明,POS算法在AUC、balance和G-mean等性能指标上均有所提升,具有更好的缺陷预测性能。
关键词：软件缺陷预测,类不平衡,数据困难因子,过采样,前景理论
基金资助：国家自然科学基金资助项目(61806002,62272001)。
