论文部分内容阅读
软件缺陷预测是提高软件测试效率，保证软件可靠性的重要途径。考虑到软件缺陷预测模型对软件模块错误分类代价的不同，提出了代价敏感分类的软件缺陷预测模型构建方法。针对代码属性度量数据，采用Bagging方式有放回地多次随机抽取训练样本来构建代价敏感分类的决策树基分类器，然后通过投票的方式集成后进行软件模块的缺陷预测，并给出模型构建过程中代价因子最优值的判定选择方法。使用公开的NASA软件缺陷预测数据集进行仿真实验，结果表明该方法在保证缺陷预测率的前提下，误报率明显降低，综合评价指标AUC和F值均优于现有方法。