论文部分内容阅读
软件缺陷预测是提高测试效率、保证软件可靠性的重要途径。为了提高软件缺陷预测的准确率，提出一种结合欠抽样与决策树分类器集成的软件缺陷预测模型。考虑到软件缺陷数据的类不平衡特性，首先，通过数据的不平衡率确定抽样度，执行欠抽样实现数据的重新平衡；然后，采用Bagging随机抽样原理训练若干个决策树子分类器；最后，按照少数服从多数的原则生成预测模型。使用公开的NASA软件缺陷预测数据集进行了仿真实验。实验结果表明，与3种基准方法对比，所提模型在保证预报率的前提下，误报率（PF）降低了10%以上，综合评价指标均有显