文献类型：期刊文章

作　　者：陈翔[1,2] 沈宇翔[1] 孟少卿[3] 崔展齐[4] 鞠小林[1,2] 王赞[1]

CHEN Xiang;SHEN Yuxiang;MENG Shaoqing;CUI Zhanqi;JU Xiaolin;WANG Zan(School of Computer Science and Technology,Nantong University,Nantong,Jiangsu 226019,China;Guangxi Key Laboratory of Trusted Software,Guilin University of Electronic Technology,Guilin,Guangxi 541004,China;Information and Network Center,Tianjin University,Tianjin 300072,China;Computer School,Beijing Information Science and Technology University,Beijing 100101,China;School of Computer Software,Tianjin University,Tianjin 300072,China)

机构地区：[1]南通大学计算机科学与技术学院,江苏南通226019 [2]桂林电子科技大学广西可信软件重点实验室,广西桂林541004 [3]天津大学信息与网络中心,天津300072 [4]北京信息科技大学计算机学院,北京1001015

出　　处：《计算机科学与探索》

基　　金：The National Natural Science Foundation of China under Grant Nos.61702041,61602267,61202006,61202030(国家自然科学基金);the Guangxi Key Laboratory of Trusted Software under Grant Nos.kx201610,kx201532(广西可信软件重点实验室研究课题).

年　　份：2018

卷　　号：12

期　　号：9

起止页码：1420-1433

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、IC、JST、ZGKJHX、核心刊

摘　　要：软件缺陷预测可以通过预先识别出可疑缺陷模块,并随后对其投入足够的测试资源以提高软件质量。但在缺陷预测数据集的搜集过程中,若考虑了多种不同度量元(即特征)会造成维数灾难问题。特征选择是缓解该问题的一种有效方法,其尝试尽可能多地识别并移除已有特征集中的冗余特征和无关特征。然而设计有效的特征选择方法具有一定的挑战性。将软件缺陷预测特征选择问题建模为多目标优化问题,其优化目标包括最小化选出的特征子集规模和最大化随后构建出的缺陷预测模型的预测效果。随后提出MOFES(multi-objective optimization feature selection)方法来尝试平衡这两个可能矛盾的优化目标。为了验证MOFES方法的有效性,选择了来自实际开源项目的数据集PROMISE和RELINK,并且将MOFES方法与一些基准方法(例如GFS、GBS和SOFS)进行了比较。最终结果表明:在可接受的计算开销内,MOFES方法在大部分情况下可以选出规模更小的特征子集,并同时取得更好的模型预测效果。

关 键 词：软件缺陷预测 基于搜索的软件工程  特征选择  多目标优化

分 类 号：TP311.5]