[发明专利]一种面向软件缺陷预测的加权朴素贝叶斯方法有效
| 申请号： | 201910700517.4 | 申请日： | 2019-07-31 |
| 公开（公告）号： | CN110515836B | 公开（公告）日： | 2023-08-11 |
| 发明（设计）人： | 王兴起;王赛;魏丹;陈滨;邵艳利;王大全 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | G06F11/36 | 分类号： | G06F11/36;G06F18/214;G06F18/2415;G06F18/22 |
| 代理公司： | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人： | 杨舟涛 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种面向软件缺陷预测的加权朴素贝叶斯方法，现有技术中朴素贝叶斯方法没有考虑到训练集数据与测试集数据之间的相似性对预测结果的影响。已有的朴素贝叶斯的改进方法没有考虑到某一特征值在该特征属性中所占的概率大小的影响，所计算的相似性不够准确，因此对样本权重计算不够精确，会影响分类效果的准确性。本发明所提出的一种面向软件缺陷预测的加权朴素贝叶斯方法能够根据训练集样本与测试集样本的相似度为训练集样本加权，并且能够考虑到某一特征值在该特征属性中所占的概率大小的影响。因此，本发明可以提高朴素贝叶斯的预测性能。 | ||
| 搜索关键词： | 一种 面向 软件 缺陷 预测 加权 朴素 贝叶斯 方法 | ||
【主权项】：
1.一种面向软件缺陷预测的加权朴素贝叶斯方法，其特征在于包括如下步骤：/n步骤1)对于测试集的每个特征列，求出该特征列各个的特征值以及每个特征值出现的次数；/n步骤2)计算训练集样本每个特征值在测试集同一特征列所占的概率h(aij)；/n步骤3)计算训练集每个样本与测试集样本的相似度，并把相似度作为每个样本的权重；/n相似度的计算方法为训练集样本每个特征值在测试集同一特征列所占的概率之和；计算公式为：/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州电子科技大学，未经杭州电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910700517.4/，转载请声明来源钻瓜专利网。
