克隆代码有害性预测中的特征选择模型

来源：计算机应用杂志2017年第4期北京时间：

作者：王欢, 张丽萍, 闫盛, 刘东升

单位：内蒙古师范大学 计算机与信息工程学院, 呼和浩特 010022

摘要：为解决克隆代码有害性预测过程中特征无关与特征冗余的问题，提出一种基于相关程度和影响程度的克隆代码有害性特征选择组合模型。首先，利用信息增益率对特征数据进行相关性的初步排序；然后，保留相关性排名较高的特征并去除其他无关特征，减小特征的搜索空间；接着，采用基于朴素贝叶斯等六种分类器分别与封装型序列浮动前向选择算法结合来确定最优特征子集。最后对不同的特征选择方法进行对比分析，将各种方法在不同选择准则上的优势加以利用，对特征数据进行分析、筛选和优化。实验结果表明，与未进行特征选择之前对比发现有害性预测准确率提高15.2~34个百分点以上；与其他特征选择方法比较，该方法在F1测度上提高1.1~10.1个百分点，在AUC指标上提升达到0.7~22.1个百分点，能极大地提高有害性预测模型的准确度。

关键词：克隆代码,有害性预测,特征子集,信息增益率,特征选择

基金资助：国家自然科学基金资助项目（61363017，61462071）；内蒙古自治区自然科学基金资助项目（2014MS0613，2015MS0606）。