-
题名基于采样的半监督支持向量机软件缺陷预测方法
被引量：7
- 1
-
-
作者
廖胜平
徐玲
鄢萌
-
机构
重庆大学软件学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2017年第14期161-166,共6页
-
基金
国家自然科学重点基金(No.91118005)
重庆市研究生科研创新项目(No.CYS14008)
-
文摘
软件缺陷预测有助于提高软件开发质量,保证测试资源有效分配。针对软件缺陷预测研究中类标签数据难以获取和类不平衡分布问题,提出基于采样的半监督支持向量机预测模型。该模型采用无监督的采样技术,确保带标签样本数据中缺陷样本数量不会过低,使用半监督支持向量机方法,在少量带标签样本数据基础上利用无标签数据信息构建预测模型;使用公开的NASA软件缺陷预测数据集进行仿真实验。实验结果表明提出的方法与现有半监督方法相比,在综合评价指标F值和召回率上均优于现有方法;与有监督方法相比,能在学习样本较少的情况下取得相当的预测性能。
-
关键词
软件缺陷预测
半监督
sAFE
半监督支持向量机(s4vm)
类不平衡
采样
-
Keywords
software defect prediction
semi-supervised
safe semi-supervised support Vector Machines(s4vm)
class imbalance
sample
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名安全的半监督方法的协同过滤推荐算法
被引量：7
- 2
-
-
作者
王玉业
陈健美
-
机构
江苏大学计算机科学与通信工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2018年第8期107-111,共5页
-
文摘
为解决传统协同过滤算法中用户评分数据稀疏性,忽视物品及用户特征,所带来的推荐质量下降的问题,提出了一种基于安全的、高置信度的半监督方法的协同过滤推荐算法,采用安全的,高置信度的半监督方法 S4VM对没有评分的数据进行有效预测,同时考虑用户的行为信息以及物品及用户特征。通过对未评分数据进行预测,能够有效地缓解数据的稀疏性,从而提高寻找最近邻的准确度。实验结果表明,该算法能够有效地提高系统的推荐质量。
-
关键词
协同过滤
推荐系统
安全的半监督支持向量机(s4vm)
半监督学习
置信度
-
Keywords
collaborative filtering
recommendation system
safe semi-supervised support Vector Machine(s4vm)
semi-supervised learning
confidence
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
