期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于特征提取和Stacking集成学习的软件缺陷预测
被引量：
1
1
作者
崔梦天
吴克奇
Mariani M S
《计算机应用与软件》
北大核心
2025年第1期25-29,48,共6页
针对缺陷数据的相关性较高以及单一的分类算法存在泛化性不高的问题,提出一种软件缺陷预测模型KSSDP(KPCA Stacking Software Defect Prediction)。采用核主成分分析(KPCA)对缺陷数据集进行特征提取,使用混合采样SMOTEENN方法解决缺陷...
针对缺陷数据的相关性较高以及单一的分类算法存在泛化性不高的问题,提出一种软件缺陷预测模型KSSDP(KPCA Stacking Software Defect Prediction)。采用核主成分分析(KPCA)对缺陷数据集进行特征提取,使用混合采样SMOTEENN方法解决缺陷数据集的类不平衡问题,使用K-Means算法对缺陷数据集进行聚类以剔除异常值,使用Stacking集成学习构建KSSDP集成预测模型并进行仿真实验,结果表明该模型比基模型、主流集成模型和深度学习模型的性能更好。
展开更多
关键词
核主成分分析
特征提取
kssdp
模型
集成学习
软件缺陷预测
在线阅读
下载PDF
职称材料
题名
基于特征提取和Stacking集成学习的软件缺陷预测
被引量：
1
1
作者
崔梦天
吴克奇
Mariani M S
机构
西南民族大学计算机科学与工程学院
苏黎世大学信息系
出处
《计算机应用与软件》
北大核心
2025年第1期25-29,48,共6页
基金
国家自然科学基金项目(12050410248)
四川省科技计划项目(2021YFH0120,25GJHZ0156,2023YFN0026)
人力资源和社会保障部国家外国专家项目(H20240672)。
文摘
针对缺陷数据的相关性较高以及单一的分类算法存在泛化性不高的问题,提出一种软件缺陷预测模型KSSDP(KPCA Stacking Software Defect Prediction)。采用核主成分分析(KPCA)对缺陷数据集进行特征提取,使用混合采样SMOTEENN方法解决缺陷数据集的类不平衡问题,使用K-Means算法对缺陷数据集进行聚类以剔除异常值,使用Stacking集成学习构建KSSDP集成预测模型并进行仿真实验,结果表明该模型比基模型、主流集成模型和深度学习模型的性能更好。
关键词
核主成分分析
特征提取
kssdp
模型
集成学习
软件缺陷预测
Keywords
KPCA
Feature extraction
kssdp model
Integrated learning
Software defect prediction
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于特征提取和Stacking集成学习的软件缺陷预测
崔梦天
吴克奇
Mariani M S
《计算机应用与软件》
北大核心
2025
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
