结合特征对齐与实例迁移的跨项目缺陷预测

来源：计算机应用研究杂志2023年第10期北京时间：

作者：李莉,赵鑫,石可欣,苏仁嘉,任振康,

单位：东北林业大学计算机与控制工程学院,哈尔滨150040；

摘要：为解决跨项目缺陷预测中源项目和目标项目分布差异较大的问题，提出了一种基于特征对齐和实例迁移的两阶段缺陷预测方法（FAIT）。首先，在特征对齐阶段，根据边缘概率分布进行特征的边缘分布对齐；然后，基于源项目和目标项目构建条件分布映射矩阵完成条件分布对齐；最后，在实例迁移阶段，通过改进了权重调整策略的TrAdaBoost方法构建跨项目缺陷预测模型。以F1作为评价指标，当目标项目有标签实例比例为20%时，FAIT性能最佳，且两过程特征对齐优于单一过程特征对齐。此外，FAIT的预测性能在AEEEM和NASA数据集上分别提高了10.69%、15.04%。FAIT在一定程度上解决了源项目与目标项目的分布差异，能够取得较好的缺陷预测性能。

关键词：跨项目缺陷预测,特征对齐,最大均值差异,实例迁移,TrAdaBoost,

基金资助：黑龙江省教育科学规划课题(GJB1421251)；；