计算机工程与科学

作者：曹良林, 贲可荣, 张献

单位：1．海军工程大学电子工程学院，湖北 武汉 430033；2.九江学院计算机与大数据科学学院，江西 九江 332005

关键词：软件缺陷预测,机器学习,多目标,萤火虫算法,代理辅助,

基金：国家自然科学基金(61763019)

针对软件缺陷预测中数据维度的复杂化和类不平衡问题，提出一种基于代理辅助模型的多目标萤火虫算法(SMO-MSFFA)的软件缺陷预测方法。该方法采用了多组策略萤火虫算法（MSFFA），以最小化数据的特征选择比率和最大化模型评测AUC值为多目标目标函数，分别以随机森林(RF)、支持向量机(SVM)和K近邻分类算法(KNN)为分类器构建软件缺陷预测模型。考虑到进化算法自身的迭代特点，嵌入代理模型离线完成部分个体评价函数的计算，以缩短计算耗时。在公开数据集NASA中的PC1、KC1和MC1项目上进行实验验证，与NSGA-II方法相比，在项目PC1、KC1和MC1上模型AUC均值分别提升0.17、降低0.01和提升0.09，平均特征选择比率分别降低0.08,0.17和0.05，平均耗时分别增加131 s,降低了199 s和降低了431 s。实验结果表明，提出的方法在提高模型性能、降低特征选择比率和缩短计算耗时方面具有明显的优势。

来源：2022年第2期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第2期