[发明专利]基于改进的Adaboost软件缺陷不平衡数据分类方法

权利要求书

1.基于改进的Adaboost软件缺陷不平衡数据分类方法，其特征在于，主要 包括以下三个步骤：

A.从软件数据集中获取数据，包括软件特征集和软件模块，并对其进行预处 理；将软件模块数据分为训练集和测试集以备训练和测试；本发明采用十 次交叉验证，将软件模块数据集分成十份，其中九份做训练，一份做测 试；

B.利用基于改进的遗传算法与BP神经网络结合进行软件数据的特征选择，得 到最优特征子集，从而对软件特征进行降维处理，减少运算时间；

(1)随机产生初始种群，种群大小为P；对特征集进行二进制编码，0代 表选择特征，1表示不选择特征；

(2)以BP神经网络训练数据集，根据预测误差调整网络的权值和阈值；

(3)利用遗传算法对BP神经网络进行优化，进行选择、交叉、变异的操 作；为充分考虑软件数据集的不平衡性，适应度函数采用普遍适用于不平衡数 据分类评价的Gmeans，较高的Gmeans值表示分类器是平衡的，即对两个类 的分类来说都有好的性能，定义如下：

fitness=Gmeans=true positive rate×true negative rate=TPTP+FN×TNFP+TN]]>

其中，TP为实际有缺陷且分类正确的模块数，FN为实际有缺陷但被分类错误 的模块数，FP为实际无缺陷但被分类错误的模块数，TN为实际无缺陷且分类 正确的模块数；

(4)判断是否达到迭代次数，若达到，则输出当前最优特征子集，否则 执行以下过程

(a)根据适应度函数选择遗传到下一代的个体，适应度越高被选择的概 率越大；

(b)采用单点交叉算子进行交叉操作，采用单点变异算子进行变异操 作；

C.根据得到的最优特征子集，充分考虑软件缺陷数据的不平衡性，训练基于 改进的Adaboost分类器，得到软件缺陷预测模型，步骤如下：

(1)初始化样本集内的样本权重

D₁(i)＝1/n

其中，n为样本数，D₁(i)为样本在第1轮迭代中的权重；

(2)进行T次循环训练弱分类器h_t(x)，迭代次数t＝1,2,…,T

(a)计算弱分类器h_t(x)在当前样本分布上的分类错误率，针对软件缺陷 数据的不平衡性，应充分关注被误分为“无缺陷”实则“有缺陷的”样本，被误分 为“无缺陷”的样本比例越大，则分类器的分类错误率应相应地增加；因此，设 定h_t(x)的分类错误率为：

ϵt=Σi=1NDt(i)I[ht(xi)≠yi]+FNTP+FN]]>

其中，其中D_t(i)为样本(x_i,y_i)在第t轮迭代中的权重，I[h_t(x_i)≠y_i]说明参与 分类错误率ε_t计算的是被误分类的样本；

(b)若ε_t>0.5或者ε_t＝0，则令T＝t-1,迭代停止；

(3)计算弱分类器h_t(x)在最终集成获得的强分类器中的加权系数：

αt=12ln1-ϵtϵt]]>

(4)更新训练集样本权值：

其中，Z_t是归一化因子:

Zt=ΣDt(i)e(-αtyi)ht(xi)]]>

(5)输出强分类器：

H(x)=signΣt=1Tαtht(x)]]>

(6)利用得到的强分类器，对软件模块进行缺陷预测。