计算机应用研究

作者：贾焱鑫,陈翔,葛骅,杨光,林浩,

单位：1.南通大学信息科学技术学院,江苏南通226019；2.南京大学计算机软件新技术国家重点实验室,南京210023；

关键词：软件质量保障,缺陷严重程度预测,有序回归,特征选择,分类,

基金：国家自然科学基金资助项目(61702041)；南京大学计算机软件新技术国家重点实验室开放课题(KFKT2019B14)；；

为提高软件缺陷严重程度的预测性能，通过充分考虑软件缺陷严重程度标签间的次序性，提出一种基于有序回归的软件缺陷严重程度预测方法ORESP。该方法首先使用基于Spearman的特征选择方法来识别并移除数据集内的冗余特征，随后使用基于比例优势模型的神经网络来构建预测模型。通过与五种经典分类方法的比较，所提的ORESP方法在四种不同类型的度量下均可取得更高的预测性能，其中基于平均0-1误差（MZE）评测指标，预测模型性能最大可提升10.3%；基于平均绝对误差（MAE）评测指标，预测模型性能最大可提升12.3%。除此之外，发现使用基于Spearman的特征选择方法可以有效提升ORESP方法的预测性能。

来源：2021年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第6期