论文部分内容阅读
软件维护是软件全生命周期中一项高难度、高成本、长周期的活动，准确预测软件可维护性对降低软件维护成本、提高软件可用性具有重要意义。软件可维护性分析历经20多年的研究，当前的预测分析性能和准确率仍然不高，甚至达不到模型预测是准确的标准；而总结相关研究发现，软件可维护性数据还普遍存在数据分布不均衡问题，该问题将直接影响到模型预测的性能。针对上述问题，基于采样方法利用决策树建立软件可维护性预测模型，并通过UIMS和QUES数据集对模型进行实验验证。结果表明，与基线方法和现有的可维护性预测方法相比，文中方法在UIM