软件学报

作者：贾修一，张文舟，李伟湋，黄志球

单位：贾修一，南京理工大学 计算机科学与工程学院, 江苏 南京 21009411,张文舟，南京理工大学 计算机科学与工程学院, 江苏 南京 21009402,李伟湋，南京航空航天大学 航天学院, 江苏 南京 21001603,黄志球，南京航空航天大学 计算机科学与技术学院, 江苏 南京 21110604

关键词：异构缺陷预测;变分自编码器;特征表示

基金：国家自然科学基金（61906090，U20B2064，61773208）；江苏省自然科学基金（BK20191287，BK20170809）；中央高校基本科研业务费专项资金（30920021131）；中国博士后科学基金（2018M632304）

跨项目软件缺陷预测技术可以利用现有的已标注缺陷数据集对新的无标记项目进行预测，但需要两者之间具有相同的度量集合，难以用于实际开发.异构缺陷预测技术可以在具有异构度量集合的项目间进行缺陷预测，该技术引起了大量研究人员的关注.现有的异构缺陷预测技术利用朴素的或者传统机器学习方法为源项目和目标项目学习特征表示，所学习到的特征表示能力很弱且缺陷预测性能很差.鉴于深度神经网络强大的特征抽取和表示能力，基于变分自编码器技术提出了一种面向异构缺陷预测的特征表示方法.该模型结合了变分自编码器和最大均值差异距离，能够有效地学习源项目和目标项目的共性特征表示，基于该特征表示可以训练出有效的缺陷预测模型.在多组缺陷数据集上通过与传统跨项目缺陷预测方法及异构缺陷预测方法实验对比验证了所提方法的有效性.

来源：2021年第7期

《软件学报》期刊编辑部

查看软件学报杂志2021年第7期