[发明专利]一种基于迁移学习的软件缺陷预测方法

摘要

本发明公开了一种基于迁移学习的软件缺陷预测方法，该方法利用降维迁移学习的思想，综合考虑不同项目数据样本之间概率分布以及条件概率分布，在源项目和目标项目之间建立一个新的特征表示，在一个新的空间中最小化二者之间的差异，训练出一个新的分类器，进而实现迁移学习。算法首先采用了一种不同分布之间的距离度量方式，最大均方差异来量化源数据和目标数据之间的分布差异和条件分布差异，通过最小化这种度量来获得一个模型，通过这个模型映射过后的训练数据和测试数据几乎具有相同的概率分布和条件概率分布；然后就可以采用传统的机器学习算法对测试数据进行分类。

主权项

1.一种基于迁移学习的软件缺陷预测方法，其特征在于，包括以下步骤：步骤1、使用主成分分析法PCA做数据重构，得到最优的低维特征表示Z；步骤2、计算步骤1中低维特征表示Z中训练数据和测试数据之间的均值之差，通过最小化目标数据和源数据之间的概率分布距离以及条件概率分布距离训练得到一个适配矩阵A；步骤3、将目标数据和源数据都通过适配矩阵A进行映射，映射过后的特征空间上训练数据和测试数据具有相同的特征分布；步骤4、在步骤3映射过后得到的特征空间上进行机器学习，对测试数据进行分类预测。