基于深度学习模型的软件缺陷预测：性能研究
软件工程
2020-04-07 v1 机器学习
摘要
近年来，缺陷预测作为软件工程的主要问题之一，在评估软件错误和故障模块中具有关键作用，因此一直备受研究者关注。为了提高预测精度，研究人员开发了许多用于软件缺陷预测的模型。然而，为了获得更好的结果，仍存在一些关键条件和理论问题。本文部署了两种深度学习模型，即堆叠稀疏自编码器（SSAE）和深度信念网络（DBN），对样本不足且不平衡的 NASA 数据集进行分类。实验表明，对于具有充足样本的数据集，其准确率得到提升；此外，在大多数评估指标中，SSAE 模型相比 DBN 模型获得了更好的结果。
引用
@article{arxiv.2004.02589,
title = {Software Defect Prediction Based On Deep Learning Models: Performance Study},
author = {Ahmad Hasanpour and Pourya Farzi and Ali Tehrani and Reza Akbari},
journal= {arXiv preprint arXiv:2004.02589},
year = {2020}
}
备注
10 pages, 4 figures, 6 tables, 42 references