基于Tri-training算法的半监督软件缺陷预测模型构建研究  

作　　者：柯灵 

机构地区：[1]重庆移通学院,重庆401520

出　　处：《佳木斯大学学报（自然科学版）》2024年第9期12-15,共4页Journal of Jiamusi University：Natural Science Edition

基　　金：重庆市教育委员会科学技术研究项目(KJQN202302404)。

摘　　要：针对当前大部分软件缺陷预测模型所存在的预测精度低、数据特征维度高、处理时间长等问题,研究利用半监督学习算法中的Tri-training算法搭建了新的软件缺陷预测模型。研究结果表明,优化后的Tri-training算法能够在训练集中取得0.96的精度,0.98的召回率以及0.97的F1值,在测试集中取得0.96的精度,0.97的召回率以及0.96的F1值,各项基准性能均优于其他对比算法。此外,研究所设计的缺陷预测模型在实际软件缺陷中的预测准确率高达98.5%,响应时间最短只需要0.85 s,其表现也远优于其他三种对比模型。由此可见,研究所设计的缺陷预测模型具有较好的实际应用效果,能够为软件安全领域的相关工作提供技术支持。

关 键 词：TRI-TRAINING 缺陷预测 软件 特征 半监督 

分 类 号：TP312[自动化与计算机技术—计算机软件与理论]