基于约简特征集的简化深度森林预测崩溃故障归属
软件工程
2021-04-06 v1
摘要
软件不可避免地会遇到崩溃，这将耗费开发人员大量精力来查找导致崩溃的故障（简称崩溃故障）。开发自动方法来识别崩溃故障的归属，是软件质量保证的一项关键活动。研究人员已提出基于从栈轨迹和故障代码中收集的特征来预测崩溃故障是否位于栈轨迹中的方法，旨在节省开发人员的调试精力。然而，以往工作通常忽视了针对崩溃数据的特征预处理操作，且仅使用传统分类模型。本文提出一种新颖的崩溃故障归属预测框架，称为 ConDF，其由基于一致性的特征子集选择方法和一种前沿的深度森林模型组成。更具体地，首先使用特征选择方法获得最优特征子集，并通过保留代表性特征来降低特征维度。然后，采用简化深度森林模型在约简特征集上构建分类模型。在七个开源软件项目上的实验表明，我们的 ConDF 方法在三个性能指标上显著优于 17 种基线方法。
引用
@article{arxiv.2104.01768,
title = {Predicting Crash Fault Residence via Simplified Deep Forest Based on A Reduced Feature Set},
author = {Kunsong Zhao and Jin Liu and Zhou Xu and Li Li and Meng Yan and Jiaojiao Yu and Yuxuan Zhou},
journal= {arXiv preprint arXiv:2104.01768},
year = {2021}
}