一种基于特征分布对齐和邻域实例选择的跨项目缺陷预测方法

摘要

一种基于特征分布对齐和邻域实例选择的跨项目缺陷预测方法，具体包括以下步骤：从软件缺陷数据集中选择源项目，合并所有源项目构成源项目集，并选择一个目标项目；计算源项目集的协方差矩阵、目标项目的协方差矩阵；消除源项目集的特征间相关性，并将目标项目的特征相关性填充到至其中，输出特征对齐后的源项目集数据在中选择与目标项目中实例相似度较高的实例构成训练实例集TS；使用训练实例集TS训练Logistic模型，再用此对目标项目中的每个实例进行缺陷预测分类。本发明通过采用特征分布对齐方法和邻域实例选择方法实现模型所需的训练数据的选择，有效解决跨项目软件缺陷预测方法中项目之间以及实例之间的差异性，提高缺陷预测性能。