控制软件质量预测中两类错误比率的比较研究

摘要：

软件质量预测是通过建立软件内部属性(复杂性度量)与外部属性(缺陷数)之间客观定量的联系,来帮助软件开发者和管理者较早地检测出出错率高的模块,避免将错误带入软件生命周期后期.在软件质量预测中常会出现两类错误,在实际应用中,第二类错误所引发的后果往往要比第一类错误要严重得多,因此降低第二类错误率是非常必要的.探讨了3种控制软件质量预测中两类错误比率的方法:带风险特性的支持向量机,偏置支持向量机和基于最小风险的贝叶斯决策.实验结果表明,限定第二类错误的情况下,带风险特性的支持向量机在总体的预测性能上是最优的,但其对第二类错误的调节幅度是有限的.基于最小风险的贝叶斯决策与其相反,它可以将第二类错误控制到很小,但它的总体分类性能也是三种方法中最差的.而偏置支持向量机的性能介于上述两者之间.由此可以根据不同的应用需求来选用一种适合的方法来控制两类错误的比率.

关键词：复杂性度最、软件质量预测、支持向量机、贝叶斯决策、两类错误

所属期刊栏目：41

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金60275002;国家863高科技项目2003AA133060

在线出版日期：2008-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：644-649