Cross-project defect prediction using a connectivity-based unsupervised classifier

背景

  • 出处:2016 IEEE/ACM 38th IEEE International Conference on Software Engineering
  • 作者:Feng Zhang, Quan Zheng, Ying Zou, and Ahmed E. Hassan

概述

论文主要观点

通过基于相似度的聚类解决软件缺陷的问题,同时类比社交网络进行合理化解释,引入cross-project用于扩大样本。

成果

  • 基于关系的非监督分类方法(聚类)在多项目样本中表现良好
  • 将软件群看做社交网络,它将被联通度分成两个社区

方法模型

相关工作图

主要步骤

  1. 利用z-score对矩阵进行归一化(标准化处理),处理后的数据符合标准正态分布;


  2. 通过以上矩阵,产生权重邻接矩阵W,此矩阵中保存的是实体之间的相似度;


  3. 求出W的拉普拉斯矩阵,此矩阵为对称阵;


  4. 在L上进行特征分解,在所有的特征向量中选择第二小的特征向量V1;
  5. 进行分类,V1中的V1i代表第i个,选择0做为门槛值,V1i大于0则是有缺陷,小于0则是无缺陷;

实验

对比常用的非监督和监督算法。

  • cross-project,对于监督算法,用本项目中的其他项目作为训练数据;对于非监督算法,由于不需要训练数据,直接在目标项目上做集群
  • within-project,two-fold cross validation,对于一个项目,将其分为两半,一半用来训练,一半用来测试,循环500次。

验证

将软件项目中的实体转换为社交网络,生成图,计算联通度寻找社区,验证了以上算法。

创新点

  • Spectral Classifier,通过计算相似度分类
  • 将其比作社区,通过图的联通度来验证

总结

优点

  • 按照他的实验数据来看,效果确实不错
  • 社交网络的类比十分形象,极好的阐释了聚类的合理性

不足

  • 创新点来自于别人,只是把它应用到了软件缺陷检测上
  • cross-project并不具备概念性,只是为了扩大样本

我的想法

聚类是否可以和监督算法相配合?

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容

  • PMP第五版考点汇总冲刺版 第一章引论 P2:《PMI道德与专业行为规范》详细描述从业者在责任、尊重、公正、诚实方...
    文小梦阅读 23,463评论 5 102
  • 一、课程大纲1.1课程内容介绍1.1.1 Supervised Learning关于监督型学习方法,本课程涉及到的...
    xiaorun阅读 5,078评论 0 1
  • 亲子日记感悟:写日记也有一段时间了,我的日记马上也要过百岁了[憨笑]真所谓思绪万千,作为妈妈,也是第一次用日记形式...
    王界程阅读 1,254评论 0 0
  • 有一种痛,叫生育之痛。 因为拥有子宫,女人担起生育之责。从怀孕开始,她被授予独特的称呼—母亲。 怀孕初期,有妊娠反...
    阿欢_心悦阅读 3,777评论 2 4
  • 第五百八十九章 活捉仙子 楚风和秦珞音大战,诸多手段尽出,活捉秦珞音。楚风:无敌画卷百强星体,“众生平等”场域袈裟...
    鱼欲遇雨阅读 5,699评论 0 0