文献

J-GLOBAL ID：201802231215939152   整理番号：18A1660165

クラス不均衡スパース再構成メトリック学習ソフトウェア欠陥予測【JST・京大機械翻訳】

Prediction of Defect of Class-imbalance Sparse Reconstruction Metric Learning Software

著者 (4件)： Shi Zuoting (南京郵電大学 計算机学院,江蘇 南京,210003) ,  Wu Di (武漢大学 計算机学院 軟件工程国家重点実験室,湖北 武漢,430072) ,  Jing Xiaoyuan (武漢大学 計算机学院 軟件工程国家重点実験室,湖北 武漢 430072;南京郵電大学 自動化学院,江蘇 南京 210003) ,  Wu Fei (南京郵電大学 自動化学院,江蘇 南京,210003)
資料名： Jisuanji Jishu yu Fazhan  (Jisuanji Jishu yu Fazhan)
巻： 28  号： 6  ページ： 125-128,136  発行年： 2018年 
JST資料番号： C3602A  ISSN： 1673-629X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ソフトウェア欠陥予測は,ソフトウェア品質を改良する重要な方法である。欠陥予測性能を改善するために,多くの機械学習分野の最近の成果は,ソフトウェア欠陥予測に導入された。しかし、ソフトウェア欠陥予測データは通常クラスの分布不平衡の問題が存在し、これは予測効果に影響する。この問題に照準を定めて,不均衡な疎な再構成距離測度学習ソフトウェアの欠陥予測方法を提案した。最初に,計量学習に代価感度因子を加え,距離計量特性行列を学習し,ソフトウェア欠陥予測における分類誤りコストの異なる問題を解明する。次に,目的関数に重みを加えることによって,小分類サンプルの距離測度学習の精度をさらに改善した。最後に、予測段階のデータセットのクラス不均衡問題を解決するために、改良加重KNNアルゴリズムを用いて、テストサンプルのラベルを予測した。NASAソフトウェアの欠陥予測ベンチマークデータセットに関する実験結果は,提案方法が再現率とF-measure値を改善して,分類性能を改善できることを証明した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *予測 ,  *再構成 ,  *ソフトウェア ,  機械学習 ,  非平衡状態 ,  アルゴリズム ,  *学習 ,  料金 ,  距離計 ,  ベンチマーク ,  目的関数
準シソーラス用語： 再現率 ,  *不均衡 ,  *欠陥予測 ,  *クラス不均衡 , 【Automatic Indexing@JST】

著者キーワード (4件)： software defect prediction ,  class-imbalance ,  IWKNN ,  metric learning

分類 (2件)： 人工知能  (JE08000Z) ,  計算機網  (JC03000K)

タイトルに関連する用語 (5件)： クラス不均衡 ,  スパース再構成 ,  メトリック学習 ,  ソフトウェア ,  欠陥予測