一种基于特征集划分和集成学习的软件缺陷预测方法

摘要

本发明公开了一种基于特征集划分和集成学习的软件缺陷预测方法，该方法将原始数据集划分为训练数据集和测试数据集，将训练数据集分为若干个特征子集；选择K个基分类器用于集成学习，再根据基分类器及其对应的权重合成每个特征子集的集成分类器；选择出与输入实例最相似的特征子集，并以其集成分类器对输入实例进行缺陷预测，建立软件缺陷预测模型；对测试数据集进行划分并寻找与输入实例最相似的特征子集；搜索质心集和权重集的最优取值，结合测试数据集的最相似特征子集，优化软件缺陷预测模型。其优点是：该方法不仅可以移除缺陷预测数据集中的冗余特征，减小算法的搜索空间，还可以有效缓解软件缺陷历史数据特征维度高的问题。