-
公开(公告)号：CN113434401B
公开(公告)日：2022-10-28
申请号：CN202110703322.2
申请日：2021-06-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于样本分布特征和SPY算法的软件缺陷预测方法；本发明基于软件缺陷数据集的分布特征，提出了边界k值确定公式。根据公式为不同的数据集选择合适的少数类边界样本。此外，本发明将SPY算法和边界采样算法结合，通过边缘样本优化SPY算法，将少数类边界区域的部分多数类样本设置成为SPY样本，并为SPY样本设置较小训练样本权重，在原始少数类边界区域内部使用边界采样的算法。SPY样本可以对边界上的少数类样本起到引导的作用，确保边界区域的少数类样本能够被正确分类。同时，通过为SPY样本设立一个较小的样本权重，减少了SPY样本对多数类样本的分类影响，最终达到一个较好的分类效果。
-
公开(公告)号：CN113434401A
公开(公告)日：2021-09-24
申请号：CN202110703322.2
申请日：2021-06-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于样本分布特征和SPY算法的软件缺陷预测方法；本发明基于软件缺陷数据集的分布特征，提出了边界k值确定公式。根据公式为不同的数据集选择合适的少数类边界样本。此外，本发明将SPY算法和边界采样算法结合，通过边缘样本优化SPY算法，将少数类边界区域的部分多数类样本设置成为SPY样本，并为SPY样本设置较小训练样本权重，在原始少数类边界区域内部使用边界采样的算法。SPY样本可以对边界上的少数类样本起到引导的作用，确保边界区域的少数类样本能够被正确分类。同时，通过为SPY样本设立一个较小的样本权重，减少了SPY样本对多数类样本的分类影响，最终达到一个较好的分类效果。
-
Search Results
2
records
(took 0.02 seconds)
