-
公开(公告)号：CN108763096A
公开(公告)日：2018-11-06
申请号：CN201810571352.0
申请日：2018-06-06
Applicant: 北京理工大学 , 北京计算机技术及应用研究所
IPC: G06F11/36
CPC classification number: G06F11/3608
Abstract: 本发明公开了一种基于深度信念网络算法支持向量机DBN‑SVM的软件缺陷预测方法，采用深度信念网络DBN对从待预测软件提取的软件度量属性进行降维；降维后的数据进入支持向量机SVM进行分类，得到软件缺陷预测结果。本发明采用新型的软件缺陷分布预测模型——DBN‑SVM，解决软件缺陷分布的预测中，由多维测量引起的数据冗余所导致的预测精度降低的问题。
-
公开(公告)号：CN107957946B
公开(公告)日：2020-10-20
申请号：CN201711250307.7
申请日：2017-12-01
Applicant: 北京理工大学
Abstract: 本发明提出一种基于邻域嵌入保护算法支持向量机的软件缺陷预测方法，用于解决软件度量数据冗余的问题。包括：从软件缺陷预测数据集中选择训练集X1和测试集X2；采用NPE算法对所述训练集X1和测试集X2进行降维；将降维后的训练集Y1作为训练输入集，使用支持向量机SVM进行训练，获得经过训练后的缺陷预测模型；将降维后的测试集Y2作为测试输入集，使用训练后的缺陷预测模型进行预测，将预测结果与实际结果进行比较，如果预测结果满足终止条件，则此时的软件缺陷预测模型为最优软件缺陷预测模型；否则，重新执行SVM训练进行优化。
-
公开(公告)号：CN107957946A
公开(公告)日：2018-04-24
申请号：CN201711250307.7
申请日：2017-12-01
Applicant: 北京理工大学
Abstract: 本发明提出一种基于邻域嵌入保护算法支持向量机的软件缺陷预测方法，用于解决软件度量数据冗余的问题。包括：从软件缺陷预测数据集中选择训练集X1和测试集X2；采用NPE算法对所述训练集X1和测试集X2进行降维；将降维后的训练集Y1作为训练输入集，使用支持向量机SVM进行训练，获得经过训练后的缺陷预测模型；将降维后的测试集Y2作为测试输入集，使用训练后的缺陷预测模型进行预测，将预测结果与实际结果进行比较，如果预测结果满足终止条件，则此时的软件缺陷预测模型为最优软件缺陷预测模型；否则，重新执行SVM训练进行优化。
-
-
Search Results
3
records
(took 0.045 seconds)
