基于代价敏感支持向量机的软件缺陷预测研究

计算机工程与科学

基于代价敏感支持向量机的软件缺陷预测研究

任胜兵，廖湘荡

（中南大学软件学院，湖南长沙 410075）

收稿日期:2017-11-08 修回日期:2018-01-24 出版日期:2018-10-25 发布日期:2018-10-25

Software defect prediction based on

cost-sensitive support vector machine

REN Shengbing，LIAO Xiangdang

（School of Software,Central South University,Changsha 410075,China）

Received:2017-11-08 Revised:2018-01-24 Online:2018-10-25 Published:2018-10-25

摘要/Abstract

摘要：

软件缺陷预测是典型的非平衡学习问题。基于CSSVM和聚类算法改进代价敏感支持向量机（SVM）算法，提出了CCSSVM软件缺陷预测模型。在CCSSVM预测模型中，将SVM与类别误分代价结合起来，以非平衡数据评价指标作为目标函数，优化错分代价因子，提升少数类样本的识别率。通过聚类找到每类样本的中心点，根据样本到其中心点的距离定义每个样本的类别置信度，给每个样本分配不同的误分代价系数，并把样本的置信度引入到代价敏感SVM优化问题中，提高算法鲁棒性，提升SVM分类性能。此外，为了提高模型的泛化能力，使用遗传算法优化特征选择和模型参数。通过美国航空航天局NASA MDP数据集实验表明，本文方法的Gmean和Fmeasure模型评价值有明显的提升。

关键词: 软件缺陷预测, 代价敏感, 支持向量机, 非平衡数据分类, 参数选择, 遗传算法

Abstract:

Software defect prediction is a typical unbalanced learning problem. We propose a CCS-SVM software defect prediction model based on cost sensitive SVM algorithm improved by the CSSVM and clustering algorithm. In the CCSSVM prediction model, we combine SVM and the cost of class misclassification, take unbalanced data evaluation index as the objective function, and optimize the misclassification cost factor so as to enhance the recognition rate of the minority class samples. We find the center point of each sample through clustering, define the class confidence for each sample according to the distance of the sample to its center point, assign different misclassification cost factors to different samples, and introduce the class confidence of each sample to the optimization problem of cost sensitive SVM, and improve the robustness of the algorithm and classification performance of SVM. To enhance the generalization ability of the model, we use the genetic algorithm to optimize feature selection and model parameters. Experimental results of the NASA Metric Data Program (MDP) dataset show that our method is significantly improved in the Gmean and Fmeasure value for model evaluation.

Key words: software defect prediction, cost sensitivity, support vector machine, unbanlanced data classification, parameter selection, genetic algorithm

任胜兵，廖湘荡. 基于代价敏感支持向量机的软件缺陷预测研究[J]. 计算机工程与科学.

REN Shengbing，LIAO Xiangdang.

Software defect prediction based on

cost-sensitive support vector machine

[J]. Computer Engineering & Science.

[1]	彭频, 王欣悦. 基于匮乏理论的应急物资调度模型构建及算法研究[J]. 计算机工程与科学, 2024, 46(11): 2063-2070.
[2]	安园园, 马晓宁. 改进遗传算法与多目标优化模型的航班路径规划[J]. 计算机工程与科学, 2024, 46(09): 1660-1666.
[3]	李成冉, 方佳豪, 尹首一, 魏少军, 胡杨. 基于遗传算法的晶圆级芯片映射算法研究[J]. 计算机工程与科学, 2024, 46(06): 993-1000.
[4]	任晟岐, 宋伟. 基于GGInformer模型的多维时间序列特征提取与预测研究[J]. 计算机工程与科学, 2024, 46(04): 590-598.
[5]	孙睿男, 初翔, 陈昱, 闫明宁. 基于混合启发式算法的快递末端选址路径优化研究[J]. 计算机工程与科学, 2024, 46(01): 159-169.
[6]	吕小姣, 张玉梅, 杨红红, 吴晓军, . 基于距离排序的DUPSO-DSVM民歌快速分类算法研究[J]. 计算机工程与科学, 2023, 45(10): 1874-1833.
[7]	郭艺, 何廷年, 李爱斌, 毛君宇. 融合GA-CART和Deep-IRT的知识追踪模型[J]. 计算机工程与科学, 2023, 45(09): 1691-1700.
[8]	刘屹成, 刘晓燕, 严馨. 并行平衡级联支持向量机[J]. 计算机工程与科学, 2023, 45(07): 1170-1177.
[9]	唐宇, 代琪, 杨志伟, 杨爱民, 陈丽芳, . 基于优化随机森林的软件缺陷预测算法研究[J]. 计算机工程与科学, 2023, 45(05): 830-839.
[10]	唐宇, 代琪, 杨梦园, 陈丽芳, . 改进麻雀搜索算法优化SVM的异常点检测[J]. 计算机工程与科学, 2023, 45(02): 346-354.
[11]	仲臣, 余学祥, 邰晓曼, 韩雨辰, 肖星星, 刘清华, . 萤火虫算法优化支持向量机室内定位研究[J]. 计算机工程与科学, 2022, 44(11): 1968-1975.
[12]	马汉达, 朱敏. 改进SVM不平衡数据分类的IGWOSMOTE方法[J]. 计算机工程与科学, 2022, 44(06): 1133-1140.
[13]	曹良林, 贲可荣, 张献. 基于代理辅助多目标萤火虫算法的软件缺陷预测方法研究[J]. 计算机工程与科学, 2022, 44(02): 257-265.
[14]	毛媛媛, 石恩雅, 蒋从锋, 仇烨亮, 贾刚勇, 万健, 闫龙川. 基于遗传算法的数据中心能效仿真[J]. 计算机工程与科学, 2021, 43(08): 1341-1352.
[15]	胡新荣, 刘嘉文, 刘军平, 彭涛, 何儒汉, . 基于改进GA-BP-MC神经网络的人体三维尺寸预测[J]. 计算机工程与科学, 2021, 43(08): 1443-1453.