基于SVR的软件缺陷密度预测方法研究
精确的软件缺陷密度预测对提高软件测试效率和测试质量具有重要的意义.现有的利用机器学习方法构建的软件缺陷或缺陷密度预测模型大多基于测试过程和分类方法.文章分析了应用程序级、文件级、类级和函数级的44个度量元,通过Spearman秩相关性分析,选择出5个与软件缺陷密度相关性较大的度量元,在此基础上,提出了一种基于支持向量回归(SVR)的软件缺陷密度预测方法.针对33个实际测试项目进行比较实验,结果表明,使用选择的5个度量元的预测效果优于使用全部度量元和各级度量元的预测效果.此外,和10个其他机器学习算法进行了对比实验,表明基于SVR的方法具有较好的预测精度.
软件测试 缺陷密度 预测模型 度量元 支持向量回归
张威 马振宇 卢庆龄 杨朝红 金丽亚
装甲兵工程学院信息工程系 北京100072
国内会议
武汉
中文
293-298
2014-07-19（万方平台首次上网日期，不代表论文的发表时间）