论文部分内容阅读
软件缺陷预测作为软件工程领域的重要研究内容已有近30年。近年来，随着机器学习技术的发展，传统机器学习技术基于静态代码属性的软件缺陷预测领域得到广泛应用。然而，传统的机器学习算法并未考虑软件缺陷预测过程中，常见的代价敏感问题与类不均衡问题。文中将基于过采样技术和阈值移动技术的代价敏感神经网络算法应用于软件缺陷预测领域，从而解决该领域的代价敏感问题与类不均衡问题。在NASA软件缺陷预测标准数据集上的实验证明了其有效性。