基于改进 SMOTE 的半监督极限学习机缺陷预测

来源：计算机技术与发展杂志2021年第12期北京时间：

作者：陆子豪;荆晓远

单位：1. 南京邮电大学 计算机学院,江苏 南京 210003;2. 南京邮电大学 自动化学院,江苏 南京 210003

摘要：软件缺陷预测研究中,研究人员通常使用有标记的数据进行预测模型的构建。 但是在实际应用中往往会存在有标记样本不足的情况,为了应对这种状况,专家学者引入了半监督学习。 尽管近年来不断有学者提出项目内的半监督缺陷预测方法,这些方法的预测准确度还有很大的提升空间。 该文提出了一种新的半监督极限学习机软件缺陷预测方法,即基于改进 SMOTE 的半监督极限学习机方法。 首先提出了一个改进的 SMOTE 采样方法来缓解类不平衡问题,其次使用了栈式去噪自动编码器来保留和获得更好的特征表示,最后为了提高模型的学习速率,获得更好的泛化性能,引入了极限学习机。 通过在 NASA 和 AEEEM 数据集上的大量实验,结果表明该方法与基线方法相比获得了更好的预测性能。

关键词：软件缺陷预测;半监督学习;极限学习机;机器学习;栈式自编码器