基于迁移学习的软件缺陷预测算法研究

摘要

软件缺陷预测技术可以用于预测软件缺陷是否存在以及其可能存在的数目,以决定软件是否可以交付,对于软件性能的提升和质量的保证有着重要的意义。迁移学习则可以利用不同软件项目中的数据,进行跨项目的软件缺陷预测工作,以应对传统缺陷预测算法中数据不足的问题。本文首先阐述了缺陷预测和迁移学习的相关理论研究现状及其分类,然后对现有的TrAdaboost算法进行优化,修改了迭代分类器的评估指标,并结合实验证明了其合理性和优越性。