[发明专利]基于核主成分分析算法的软件缺陷预测模型设计方法在审
| 申请号： | 201810987740.7 | 申请日： | 2018-08-28 |
| 公开（公告）号： | CN109165160A | 公开（公告）日： | 2019-01-08 |
| 发明（设计）人： | 单纯;张思聪;孙世有;危胜军;刘臻 | 申请（专利权）人： | 北京理工大学 |
| 主分类号： | G06F11/36 | 分类号： | G06F11/36;G06K9/62 |
| 代理公司： | 北京理工大学专利中心 11120 | 代理人： | 李爱英;仇蕾安 |
| 地址： | 100081 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于核主成分分析算法的软件缺陷预测模型设计方法，步骤一、确定用于训练模型的数据集，并将数据集划分为训练集和测试集；步骤二、使用核主成分分析算法对训练集进行降维处理：选择核函数并确定核函数的参数，选择降维的维度，然后对训练集降维；步骤三、将降维后的训练集作为输入，选择高斯(RBF)函数作为SVM核函数，定义取值区间和步长，使用网格搜索通过十折交叉验证的实验方法来寻找SVM的参数惩罚因子C和核函数参数σ的最优解；步骤四、通过测试集来测试模型的性能，完成软件缺陷预测模型的设计，本发明能够解决软件缺陷的度量元中存在冗余数据的问题，提高机器学习算法准确率。 | ||
| 搜索关键词： | 软件缺陷 核函数 核主成分分析 预测模型 训练集 算法 测试集 数据集 降维 机器学习算法 训练集降维 测试模型 惩罚因子 降维处理 交叉验证 取值区间 冗余数据 网格搜索 训练模型 最优解 准确率 度量 高斯 维度 | ||
【主权项】：
1.一种基于核主成分分析算法的软件缺陷预测模型设计方法，其特征在于，包括以下步骤：步骤一、确定用于训练模型的数据集，并将数据集划分为训练集和测试集；步骤二、使用核主成分分析算法对训练集进行降维处理：选择核函数并确定核函数的参数，选择降维的维度，然后对训练集降维；步骤三、将降维后的训练集作为输入，选择高斯(RBF)函数作为SVM核函数，定义取值区间和步长，使用网格搜索通过十折交叉验证的实验方法来寻找SVM的参数惩罚因子C和核函数参数σ的最优解；步骤四、通过测试集来测试模型的性能，完成软件缺陷预测模型的设计。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京理工大学，未经北京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810987740.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于程序频谱的多缺陷定位方法
- 下一篇：一种车载系统的测试方法及相关设备
