论文部分内容阅读
为了提高软件缺陷预测模型的准确性,利用改进的频繁项集挖掘算法(IMMFIA)的低时间开销特点和改进的支持向量机(EDSVM)的优化能力提出改进的软件缺陷预测模型(FREDSVM)。利用IMMFIA获取频繁项集,并产生满足置信度和支持度阈值的关联规则;根据相关度和新的规则排序度量提高小类(带缺陷的软件模块)的优先级,得到分类器;运用EDSVM针对规则匹配无果问题和规则匹配溢出问题进行分类。实验证明:与当前的软件缺陷预测方法相比,FREDSVM方法具有较高的准确性。