版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、在軟件開發(fā)過程中,準確地預(yù)測有故障傾向的軟件模塊可以幫助測試人員以及開發(fā)人員高效地發(fā)現(xiàn)軟件故障。對于大型系統(tǒng),軟件故障預(yù)測就更加重要,因為它能夠幫助開發(fā)人員在開發(fā)過程中將精力和資源集中使用在容易出現(xiàn)故障的模塊,從而更合理地分配資源。
目前軟件故障預(yù)測模型主要是通過機器學(xué)習(xí)算法來構(gòu)建的,軟件故障預(yù)測主要是根據(jù)軟件質(zhì)量屬性以及軟件的歷史故障數(shù)據(jù)來對被測系統(tǒng)的軟件模塊進行故障預(yù)測。本文首先對軟件質(zhì)量屬性進行了研究,包括方法級屬性集合
2、 McCabe和Halstead,面向?qū)ο?OO)屬性集合。本文提出的軟件故障預(yù)測模型采用方法集屬性與面向?qū)ο髮傩韵嘟Y(jié)合的方法對軟件進行度量。針對軟件故障數(shù)據(jù)的不平衡性問題,本文提出了一種改進的隨機森林算法,在對模型進行訓(xùn)練前首先對訓(xùn)練數(shù)據(jù)集進行平衡化處理,以減少訓(xùn)練數(shù)據(jù)對模型準確度的影響,模型生成后在保證預(yù)測準確率較高的情況下精簡模型,提高預(yù)測效率。應(yīng)用本文提出的算法對 Eclipse中的數(shù)據(jù)進行處理,實驗表明本文提出的改進算法性能高
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于隨機森林的硬盤故障預(yù)測算法的研究.pdf
- 基于改進隨機森林的推薦算法研究.pdf
- 基于改進隨機森林的推薦算法研究
- 基于Ⅳ屬性選擇的隨機森林模型研究.pdf
- 基于關(guān)聯(lián)規(guī)則的隨機森林模型.pdf
- 基于隨機森林算法的風(fēng)電場出力預(yù)測研究.pdf
- 基于隨機森林回歸算法的短期負荷預(yù)測研究.pdf
- 隨機森林算法的優(yōu)化改進研究.pdf
- 基于隨機森林的有害同義突變預(yù)測方法研究.pdf
- 隨機森林算法研究及改進.pdf
- 基于故障模型的軟件故障注入方法研究.pdf
- 基于LDA和隨機森林的活躍微博預(yù)測研究.pdf
- 基于Spark的一種改進的隨機森林算法研究.pdf
- 基于隨機森林模型的心臟CT圖像分割算法研究.pdf
- 基于網(wǎng)絡(luò)搜索數(shù)據(jù)與隨機森林模型的房地產(chǎn)價格指數(shù)預(yù)測研究.pdf
- 基于改進隨機聚類決策森林算法的遙感影像分類研究.pdf
- 基于加權(quán)決策樹的隨機森林模型優(yōu)化.pdf
- 基于隨機森林算法的抗癌藥物敏感性預(yù)測研究.pdf
- 基于隨機森林的遙感干旱監(jiān)測模型及其應(yīng)用研究.pdf
- 基于過程改進的軟件質(zhì)量提升模型研究.pdf
評論
0/150
提交評論