龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：湖州师范学院
摘要：本发明提出了一种基于向量加权优化深度极限学习的软件缺陷预测方法，包括以下步骤：S1.划分数据集；S2.抽取训练数据集实例，建立训练数据矩阵；S3.对训练数据矩阵中的实例进行过采样处理；S4.将过采样后得到的训练数据矩阵中的特征与标签进行分离；S5.通过训练数据特征矩阵和训练数据标签向量，对构建的软件缺陷预测模型进行训练，引入自编码器加深极限学习机的深度得到深度极限学习机；并且引入了向量加权平均算法对于深度极限学习机的初始参数进行调整寻优，获得最优的初始参数；S6.使用训练好的软件缺陷预测模型对测试数据集中的实例进行标记。该方法能够解决传统模型表征能力不够和深度学习时间开销过大的问题，具有更好的预测性能。
主权项：1.一种基于向量加权优化深度极限学习的软件缺陷预测方法，其特征在于：包括以下步骤：S1.划分数据集：将收集到的软件缺陷预测数据集按照一定的比例划分为训练数据集和测试数据集；S2.抽取训练数据集实例：对训练数据集中的数据实例进行抽取，建立训练数据矩阵；S3.SVMSMOTE过采样：对训练数据矩阵中的实例进行过采样处理，选取SVMSMOTE过采样对训练集进行预处理；所述SVMSMOTE是基于SMOTE算法进行改进的，将数据集利用支持向量机进行初步分类之后，利用少数类的支持向量来进行过采样操作，经过SVMSMOTE过采样处理后，得到一个新的训练数据矩阵；S4.提取标签：将过采样后得到的训练数据矩阵中的特征与标签进行分离，即将训练数据矩阵中的标签进行提取，分离得到训练数据特征矩阵和训练数据标签向量；S5.构建模型：通过训练数据特征矩阵和训练数据标签向量，对构建的软件缺陷预测模型进行训练，采用INFO-DELM模型来进行软件缺陷预测，一方面，该模型引入自编码器加深极限学习机的深度得到深度极限学习机；另一方面，该模型引入了向量加权平均算法对于深度极限学习机的初始参数进行调整寻优，获得最优的初始参数；S6.标记测试数据集：使用训练好的软件缺陷预测模型对测试数据集中的实例进行标记，即将测试数据集分类为有缺陷或没有缺陷的实例。
全文数据：
权利要求：
百度查询： 湖州师范学院 基于向量加权优化深度极限学习的软件缺陷预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号