用于软件缺陷预测的三阶段调整回归预测(TSARF)
软件工程
2024-02-01 v1 系统与控制
系统与控制
摘要
软件可靠性增长模型(SRGM)能够利用测试期间收集的失效数据。具体而言,非齐次 Poisson 过程(NHPP)SRGM 是最常用的模型。虽然软件可靠性增长模型很重要,但对复杂软件系统的高效建模增加了模型的复杂性。模型复杂性的增加对识别用于确定模型参数的鲁棒且计算高效的算法提出了挑战,并降低了模型的泛化能力。关于传统软件可靠性增长模型的现有研究表明,NHPP 模型将缺陷数据表征为平滑连续曲线,无法捕捉缺陷发现过程中的变化。因此,该模型在理想条件下拟合良好,但缺乏适应性,且仅能拟合形状合适的数据。神经网络和其他机器学习方法已得到更好的应用,但由于缺乏大量缺陷数据样本,特别是在测试早期阶段,其应用受到限制。
引用
@article{arxiv.2401.17545,
title = {Three-Stage Adjusted Regression Forecasting (TSARF) for Software Defect Prediction},
author = {Shadow Pritchard and Bhaskar Mitra and Vidhyashree Nagaraju},
journal= {arXiv preprint arXiv:2401.17545},
year = {2024}
}