文件名称：利用聚类技术预测软件缺陷-研究论文
文件大小：899KB
文件格式：PDF
更新时间：2024-06-09 08:58:05
Software Defect Prediction Data Mining
软件缺陷预测的目的是通过建立预测模型来确定软件模块是否易于发生故障来提高软件项目的质量。 近年来，在使用机器学习技术进行此主题方面已经进行了许多研究。 我们的目的是通过特征选择方案评估聚类技术的性能，以解决软件缺陷预测问题。 我们使用三种聚类算法分析了美国国家航空航天局（NASA）的数据集基准：（1）最远的优先，（2）X均值和（3）自组织图（SOM）。 为了评估不同的特征选择算法，本文提供了一个比较分析，涉及基于Bat，Cuckoo，Gray Wolf Optimizer（GWO）和粒子群优化器（PSO）的软件缺陷预测。 利用建议的聚类模型获得的结果使我们能够构建具有令人满意的检测率和可接受数量的特征的有效预测模型。