%0 Journal Article
%T 一种半监督集成学习软件缺陷预测方法
%A 张肖
%A 王黎明
%J 中山大学学报（自然科学版）
%D 2018
%X 摘要 针对软件缺陷预测中标记样本难以获取以及分类不平衡的问题，提出一种基于半监督集成学习方法的软件缺陷预测模型(Tri_Adaboost).一方面利用欠采样方法以及半监督学习对标记样本进行扩充，随机选取一部分无标记样本进行预标注，缓解标记样本不足的问题；另一方面，利用SMOTE方法对扩充后的标记样本进行采样，然后使用AdaBoost集成方法对标记样本集进行预测.本文在NASA MDP 数据集及基于开源项目下生成的空指针引用缺陷数据集上，验证模型的有效性，较于四种基本的机器学习分类方法，Tri_Adaboost算法在Fmeasure和AUC上均能取得较高的值
%K 软件缺陷预测
%K 分类不平衡
%K 半监督学习
%K AdaBoost
%U http://xwxt.sict.ac.cn/CN/abstract/abstract4635.shtml