公开(公告)号：CN114579468A

公开(公告)日：2022-06-03

申请号：CN202210276660.7

申请日：2022-03-21

Applicant: 南通大学

Inventor： 文万志 ,  朱宁波 ,  张瑞年 ,  于梦 ,  李治贤 ,  高欣欣 ,  朱文涛 ,  沈陈强 ,  王则林

IPC: G06F11/36 ,  G06F40/30 ,  G06K9/62

Abstract: 本发明提供一种基于语义度量值的源项目选择软件缺陷预测方法，包括如下步骤：S1、使用AST构建源代码的抽象语法树；S2、将抽象语法树转换成向量；S3、计算源代码的语义度量值；S4、融合语义度量值和传统度量值；S5、使用源项目选择策略SPGather对项目集选择；S6、使用迁移学习缩小源域和目标域的数据差异；S7、构建分类模型方法集CMMS；S8、构建基于语义度量值的源项目选择缺陷预测方法BSCPM。本发明提出基于语义度量值的源项目选择软件缺陷预测方法，可以为目标项目选择更好的源项目，该方法有助于提高软件缺陷预测的效率和实现更好的预测效果。

公开(公告)号：CN114860595A

公开(公告)日：2022-08-05

申请号：CN202210491038.8

申请日：2022-05-07

Applicant: 南通大学

Inventor： 文万志 ,  张瑞年 ,  祁佳篁 ,  陈义 ,  沈陈强 ,  朱宁波 ,  程学云 ,  胡彬

IPC: G06F11/36 ,  G06K9/62

Abstract: 本发明属于软件缺陷预测技术领域，提供一种基于特征相关性分析的实例选择跨项目缺陷预测方法，包括如下步骤：S1、构建项目实例向量集CPIVS；S2、构建相关性权重索引集CWIS；S3、构建相关性特征集CFS；S4、计算实例相关性特征之间距离；S5、构建基于相关性训练集CTS；S6、构建基于特征相关性分析的实例选择跨项目缺陷预测方法FCADP。本发明通过计算每一个目标实例选择出的项目特征与源项目选择出的特征之间的相似度进行源实例选择，将选出的所有源实例组成训练数据集，根据目标实例特征进一步合理的选择源实例。

公开(公告)号：CN114781542A

公开(公告)日：2022-07-22

申请号：CN202210501969.1

申请日：2022-05-09

Applicant: 南通大学

Inventor： 文万志 ,  张瑞年 ,  陈义 ,  王晨宇 ,  沈陈强 ,  朱宁波 ,  王则林 ,  赵理莉

IPC: G06K9/62 ,  G06N20/00

Abstract: 本发明提供一种基于动态特征引导实例选择的跨项目缺陷预测方法，包括如下步骤：S1、构建项目实例向量集CPIVS；S2、构建预训练动态特征PREDF；S3、计算预训练动态特征与实例特征之间距离；S4、构建引导实例选择索引集GISI；S5、构建基于动态特征引导实例选择的训练集DFD；S6、构建基于动态特征引导实例选择的跨项目缺陷预测方法DFGIS。本发明通过动态调整实例集特征实现更加准确的源实例选择，使用该方法构建的训练集有利于建立精确的跨项目缺陷预测模型，进一步提高跨项目缺陷预测效果。

公开(公告)号：CN114564410A

公开(公告)日：2022-05-31

申请号：CN202210277028.4

申请日：2022-03-21

Applicant: 南通大学

Inventor： 文万志 ,  朱宁波 ,  沈陈强 ,  张苏川 ,  陈励文 ,  程帆 ,  吴佳俊 ,  张瑞年 ,  王则林

IPC: G06F11/36 ,  G06K9/62

Abstract: 本发明提供一种基于类级别源代码相似性的软件缺陷预测方法，包括如下步骤：S1、构建数据集；S2、构建源码节点集BAset；S3、构建量化源码节点集DTset；S4、构建相似度值集合BCset；S5、获取最优的类实例数方法GMmethod；S6、构建基于类级别源代码相似性的软件缺陷预测方法CL‑SCS。本发明提出细粒度级别的源项目选择方法，可为后续得数据训练提供更好的源项目，该方法能够有效提升软件缺陷预测效果。

公开(公告)号：CN114896150A

公开(公告)日：2022-08-12

申请号：CN202210503567.5

申请日：2022-05-09

Applicant: 南通大学

Inventor： 文万志 ,  张瑞年 ,  王楚越 ,  祁佳篁 ,  沈陈强 ,  朱宁波 ,  李跃华 ,  程实

IPC: G06F11/36 ,  G06K9/62

Abstract: 本发明属于软件缺陷预测技术领域，提供一种基于实例选择的跨项目缺陷预测方法，包括如下步骤：S1、构建分类实例集CID；S2、将分类实例集中的所有度量值中心化EMC；S3、组合分布特征向量CDFV；S4、实例间距离计算BIDCM；S5、构建最相似源实例索引集；S6、构建训练集ND；S7、构建跨项目缺陷预测分类方法；S8、构建基于实例选择的跨项目缺陷预测方法ISCPDP。本发明通过选择组合分布特征向量与目标组合分布特征向量最相似的实例集组建训练集，优化后的训练集有利于建立精确的缺陷预测模型，进一步提高跨项目缺陷预测效率。

公开(公告)号：CN113176998A

公开(公告)日：2021-07-27

申请号：CN202110503077.0

申请日：2021-05-10

Applicant: 南通大学

Inventor： 文万志 ,  张瑞年 ,  朱宁波 ,  陈义 ,  尹思文 ,  李元金 ,  程实

IPC: G06F11/36

Abstract: 本发明提供一种基于源选择的跨项目软件缺陷预测方法，包括如下步骤：S1、数据集构建；S2、构建特征选择方法集FSelection；S3、获取最优特征选择方法BFMethod；S4、获取最优特征数量FThreshold；S5、构建源项目选择方法集SPSelection；S6、构建基于源选择的跨项目缺陷预测方法CPSPM。本发明提出多种源项目选择方法，可以为后续数据训练提供更好的源项目，该方法能有效提高软件缺陷预测的效率。