-
题名改进加权朴素贝叶斯的软件缺陷预测算法
被引量：3
- 1
-
-
作者
郭树强
黄蕊
李卿
-
机构
河北司法警官职业学院信息技术部
承德广播电视大学人工智能研究院
河北科技大学理工学院
-
出处
《控制工程》
CSCD
北大核心
2021年第3期600-605,共6页
-
基金
河北省高等学校科学技术研究项目(z2015167)。
-
文摘
针对软件缺陷预测领域特征之间存在紧密关联性而影响朴素贝叶斯分类性能的问题,提出一种改进加权朴素贝叶斯的分类算法。首先,通过预处理步骤以及特征成对计算,创建彼此之间的依赖关系。然后,通过构造权值的方式实现朴素贝叶斯的独立性假设松弛。最后,使用离散化方法将软件指标的数值转化为分类值,并利用min-max归一化程序对数据进行归一化处理。使用获得广泛认可的NASA信用数据库进行实验,实验结果表明,提出的改进算法比标准朴素贝叶斯方法预测效果更好,相比其他几种同类算法,提出的算法更具竞争性。
-
关键词
加权朴素贝叶斯
特征不相关
加权系数
软件缺陷预测
离散化
min-max归一化
-
Keywords
Weighted naive Bayesian
feature independence
weighted coefficient
software defect prediction
discretization
min-max normalization
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
