抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ソフトウェア欠陥予測(SDP)は,ソフトウェア開発プロセスにおいて非常に重大なタスクであり,どのモジュールが試験フェーズのインスティグの前に誤りと故障を起こしやすいかを予測する。それは,予測故障モジュールに対する試験努力の焦点を合わせることにより,ソフトウェアの開発コストを低減することを目的とする。しかし,それは良質な最終産物の時間内配送を確実にするが,データセットのクラス不均衡はSDPに対する主要な障害である。本論文では,クラス不均衡問題を取り扱うために,新しい近傍ベースサブアンプリング(N-US)アルゴリズムを提案した。本研究は,欠陥モジュールを予測しながら,高精度を達成するために,提案した近傍ベースサブアンプリング(N-US)アプローチの有効性を実証する。サンプル下のアルゴリズムN-USは,少数データポイントの可視度を最大化するためにデータセットを下回り,一方,情報損失を避けるために多数データポイントの過剰除去を制限した。N-USの適用性を評価するために,3つの標準アンダーサンプリング技術と比較した。さらに,本研究では,SDP分類器のための信頼としてN-USの性能を調査した。CM1,JM1,KC1,KC2およびPC1であるNASAリポジトリからのベンチマークデータセットを用いて広範な実験を行った。N-US技術による提案SDP分類器を,SDPに対するN-USアルゴリズムの有効性を評価するために,統計的にベースラインモデルと比較した。提案モデルは,最高のAUCスコア(=95.6%),最大精度値(=96.9%),および最上左コーナーに対する最も近いROC曲線を有する候補SDPモデルの残りを凌駕した。それは95%の信頼レベルで統計的に最良の予測力を示す。Copyright The Author(s), under exclusive licence to Springer Nature B.V. 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】