一种基于监督式表示学习的跨项目软件缺陷预测方法

摘要

本发明公开了一种监督式表示学习的跨项目软件缺陷预测方法：(1)选择缺陷数据集，对缺陷数据做预处理；(2)以无监督预训练方式训练迁移自编码器，迁移自编码器包括特征编码层和标签编码层；(3)借助迁移交叉验证方法，从源项目所有样本隐层特征表示中选择与目标项目样本隐层特征分布最接近的样本作为验证集，其余作为训练集；(4)对训练集样本进行过采样处理；(5)微调迁移自编码器，选择模型超参数以及提早停止策略；(6)将经预处理后的目标项目的数据输入给迁移自编码器，由标签编码层的输出得到最终的预测结果。本发明将源项目样本的标签信息引入到特征表示学习过程中，提高了跨项目软件缺陷预测模型的预测性能。