软件故障预测中各种距离度量的比较研究
软件工程
2014-12-01 v1
摘要
不同的距离度量已被用于在软件开发早期阶段高效预测软件故障。由于其计算效率，一种用于软件故障预测的刻板方法是K-means聚类，它使用任意距离度量将数据集划分为K个簇。利用某些度量的距离度量用于提取相似数据对象，有助于开发高效的聚类和分类算法。在本文中，我们使用来自NASA MDP（指标数据程序）的数据集，研究了K-means聚类中的三种不同距离度量：欧氏距离、Sorensen距离和Canberra距离。结果以ROC曲线的形式展示。实验结果表明，使用Sorensen距离的K-means聚类优于欧氏距离和Canberra距离。
引用
@article{arxiv.1411.7474,
title = {A Comparative Study of Various Distance Measures for Software fault prediction},
author = {Deepinder Kaur},
journal= {arXiv preprint arXiv:1411.7474},
year = {2014}
}
备注
4 pages,2 figures,"Published with International Journal of Computer Trends and Technology (IJCTT)"