%0 Journal Article
%T 基于Boosting的集成k-NN软件缺陷预测方法
%A 何亮
%A 宋擒豹
%A 沈钧毅
%J 模式识别与人工智能
%P 792-802
%D 2012
%X 软件缺陷预测是改善软件开发质量，提高测试效率的重要途径。文中提出一种基于软件度量元的集成k-NN软件缺陷预测方法。首先，该方法在不同的Bootstrap抽样数据集上迭代训练生成一个基本k-NN预测器集合。然后，这些基本预测器分别对软件模块进行独立预测，各基本预测值将被融合生成最终的预测结果。为判别新的软件模块是否为缺陷模块，设计分类阈值的自适应学习方法。集成预测结果大于该阈值的模块将被识别为缺陷模块，反之则为正常模块。NASAMDP及PROMISEAR标准软件缺陷数据集上的实验结果表明集成k-NN缺陷预测的性能较之广泛采用的对比缺陷预测方法有较明显的提高，同时也证明软件度量元在缺陷预测中的有效性。
%K 软件缺陷预测
%K k-近邻(k-NN)
%K 软件度量元
%K 集成学习
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract9489.shtml