基于GAN-DLNA深度学习算法的计算机软件缺陷预测分析研究  

作　　者：韩倩[1] HAN Qian

机构地区：[1]茂名职业技术学院,广东茂名525000

出　　处：《信息技术与信息化》2025年第3期79-82,共4页Information Technology and Informatization

摘　　要：针对计算机软件缺陷预测存在的数据类不平衡、冗余或无关数据过多等问题,基于贝叶斯网络(bayesian network)算法、深度学习网络算法(GAN deep learning network algorithm,GAN-DLNA)的软件缺陷预测提取方案,由贝叶斯网络的随机森林模型构建有向无环图,以软件缺陷目标变量节点为中心、用贝叶斯网络分类器(GBNC)感知及处理缺陷的度量元数据样本,利用GAN-DLNA深度学习生成对抗网络算法,使用基于均方误差、交叉熵的损失函数对多层深度学习网络进行扩展训练,通过增大源数据训练的误分类权重、减小目标数据训练的误分类权重,以此大大提升软件缺陷数据分类、缺陷数量预测质量。

关 键 词：大数据深度学习算法 计算机软件 缺陷预测分析 分类与集成 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]