基于改进RNN的LSTM软件缺陷预测技术的研究

摘要：

针对现阶段软件缺陷预测模型研究少和准确率低的问题,提出了一种基于LSTM的软件缺陷预测模型.基于LSTM对输入序列信息的相关性进行了研究,通过Prophet和Ohba开源数据集对网络模型进行训练和测试.实验结果表明:在输入序列为500时,LSTM的检测效果准确率为99.12％,误报率为0.91％,优于RNN的93.58％的准确率和5.76％的误报率.

关键词：深度学习、长短期记忆、软件缺陷预测、RNN

所属期刊栏目：4

分类号：TP315.53(计算技术、计算机技术)

在线出版日期：2021-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：17-19,23