10、简化神经网络：跨项目缺陷预测的实证研究

简化神经网络：跨项目缺陷预测的实证研究

1. 背景与问题提出

在软件行业中，随着软件规模和复杂度的增加，保证软件质量变得愈发困难，及时发现和修复软件缺陷至关重要。软件缺陷预测（SDP）有助于优化软件测试流程，合理分配测试资源。然而，在许多项目中，缺乏足够的历史数据进行缺陷预测，此时跨项目缺陷预测（CPDP）成为了可行的选择。近年来，神经网络在缺陷预测中的应用受到了越来越多的关注，但对于SDP中合适的神经网络架构仍缺乏明确的认识。

2. 研究方法

2.1 数据集与预处理

选用了来自广泛使用的PROMISE存储库的数据集。为了确保结果的有效性和可推广性，对数据集进行了筛选，过滤掉缺陷模块占比超过50%和低于5%的数据集，最终选择了20个软件系统进行实验。每个软件系统由Jureczko和Madeyski建议的指标表示，每个模块由20个数值特征和一个布尔变量表示是否有缺陷（1表示有缺陷，0表示无缺陷）。

数据集的预处理步骤如下：
- 归一化 ：由于表示模块的指标范围不同，可能会对预测结果产生不利影响。因此，采用L2归一化方法，将每个指标的值除以该指标所有值的平方和，将指标范围转换为[0 - 1]。
- 平衡处理 ：SDP中常面临数据不平衡问题，非缺陷类的数量往往远多于缺陷类，这可能导致模型偏向多数类。为了缓解这个问题，使用合成少数过采样技术（SMOTE）来平衡数据分布。SMOTE是一种数据增强技术，它在随机选择的少数类点与其k近邻之一之间合成一个人工点。

数据集