深度信念网软件缺陷预测模型

摘要：

软件缺陷预测技术在检测软件缺陷、保证软件质量方面发挥了重要的作用.利用神经网络分类算法构建的软件缺陷预测模型得到了广泛的应用.但是利用神经网络分类算法训练历史数据只能进行“浅层学习”,无法对数据特征进行深度挖掘.针对该问题,利用多层限制玻尔兹曼机叠加成深度信念网,先进行特征集成与迭代,并对这些特征数据进行深度学习,构建了基于深度信念网的软件缺陷预测模型(DBNSDPM).仿真实验表明,本模型预测的准确性与传统的神经网络缺陷预测模型预测的准确性相比有显著提高.

关键词：软件缺陷预测、限制玻尔兹曼机、深度学习、深度信念网

所属期刊栏目：44

分类号：TP392(计算技术、计算机技术)

在线出版日期：2017-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：229-233