文献

J-GLOBAL ID：202102226886269661   整理番号：21A0230735

ソフトウェア欠陥予測における特徴選択法の比較【JST・京大機械翻訳】

The Comparison of Feature Selection Methods in Software Defect Prediction

著者 (4件)： Khadijah (Universitas Diponegoro,Department of Informatics,Semarang,Indonesia) ,  Adorada Amazona (Universitas Diponegoro,Department of Informatics,Semarang,Indonesia) ,  Wirawan Panji Wisnu (Universitas Diponegoro,Department of Informatics,Semarang,Indonesia) ,  Kurniawan Kabul (University of Vienna,Vienna,Austria)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICICoS  ページ： 1-6  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ソフトウェア試験における目標の一つは,ソフトウェアが顧客によって使用される前に,ソフトウェア欠陥を発見することである。成功したソフトウェアテストは,高品質ソフトウェアに導いた。しかし,ソフトウェア試験における欠陥の曝露は非常に資源を消費する。したがって,自動ソフトウェア欠陥予測が必要である。予測の正確なモデルを構築するために,分類器への入力として,特徴の関連部分集合を注意深く決定しなければならない。従って,本研究では,一種のフィルタ法,即ち,ReliefFと一種の組込み法,すなわちSVM-RFE(Support Vector Mechn Recurcive Recurive Elimination)の間の特徴選択法の性能を比較した。それらの方法は,特徴間の条件付き独立性の仮定から自由である。次に,SVMを分類アルゴリズムとして適用した。以前に,SMOTE(Synthetic Minority Overサンプリング法)を用いて訓練データをバランスさせた。実験はベンチマーク公開データセット,NASA MDPデータセットで行った。実験結果は,SVM-RFEが,g-平均に関してReliefFより良く機能し,一方,ReliefFは,精度に関してより良いSVM-RFEを実行することを示した。しかし,SVM-RFE特徴選択を使用するとき,最良分類装置性能は,ReliefFと比較して,より小さな特徴によって達成することができた。将来の研究は,g平均と精度の両者で,得られた分類器の性能を改善する試みとして,アンサンブル特徴選択法を探索する。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： フィルタ ,  米国航空宇宙局 ,  分類装置 ,  *特徴選択 ,  *ソフトウェア ,  ベンチマーク
準シソーラス用語： 訓練データ ,  分類アルゴリズム ,  分類会計機 ,  高品質 ,  ソフトウェアテスト ,  *欠陥予測 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： ソフトウェア ,  欠陥予測 ,  特徴選択