通知公告
交大新闻
07 现在的位置：首页 > 期刊导读 > 2017 > 07 >
应用非线性加权的集成学习软件缺陷序列预测算法
【作者】 贾晓琳 樊帅帅 罗雪 朱晓燕
【关键词】 软件缺陷序列 预测算法 软件缺陷 集成学习
【摘要】针对当前软件缺陷序列预测算法准确度不高的问题,提出了基于非线性加权的集成学习软件缺陷序列预测算法(NLWEPrediction).该算法在常见线性集成预测算法的基础上增加了非线性回归项,回归项代表了集成预测算法中基预测算法之间的相互关系,修正了线性集成预测的偏差,并通过梯度下降法求解了模型中的参数.实验表明:NLWEPrediction在14个软件缺陷数据集上的均方误差均小于250,并且平均绝对误差均小于13.通过与基预测算法、集成预测Bag-ging、Stacking算法和只考虑两个分类器关系的非线性加权集成学习算法进行对比,可以看出,NLWEPrediction预测算法的均方误差和平均绝对误差显著减小,预测精度显著提高,说明在线性集成预测算法基础上增加非线性回归项,能够有效提高集成学习算法的分类效果.
上一篇：第一页
下一篇： 多传感器交叉提示技术在传感器联盟中的应用
© 2015 《西安交通大学学报》编辑部 地址：西安市咸宁西路28号 邮编：710049
互联网备案号：陕ICP备07500839号