软件缺陷模式与测试

为了解决传统特征分类软件缺陷检测方法存在检测开销大的问题,提出了基于K-means算法的电网用户标签特征分类缺陷检测方法。应用权值分配算法和对应方差的评估值,以权值定位标签的特征,然后基于数据标签值进

为了解决数据的不平衡性这一问题,提出一种利用分布函数合成新样本的过抽样和随机向下抽样相结合的算法。算法对降维后的主成分进行分布函数拟合,然后利用分布函数生成随机数,并对生成的随机数进行筛选,最后与随机

实现了软件缺陷管理中的:我的面板、项目管理、任务分配、bug管理、用户管理。具体资源介绍我会在一篇博客中进行介绍,尽情期待

软件缺陷预测用来预测软件系统各个模块中是否存在BUG。传统的软件缺陷预测技术研究主要局限在有监督方法上，这类方法需要大量的已标注数据进行训练，但在工程实际中，这类标签数据不易获取。提出了一种结合模拟退

软件缺陷预测先前的研究工作主要关注软件缺陷分类问题，即判断一个软件模块是否含有缺陷。如何量化一个软件模块中含有软件缺陷的数量问题还未被很好地研究。针对该问题，提出了一种两阶段的软件模块缺陷数预测特征选

为了提高预测模型的性能，解决不同属性子集带来的分歧，提出了基本偏相关方法的预测模型。首先,该方法在公开数据集上分析出代码静态属性与缺陷数之间存在偏相关关系；然后基于偏相关系数值，计算出代码复杂性度密度

大型软件系统的缺陷定位通常采用源代码与缺陷报告的文本相似性的排序方法，但是这种基于文本相似性的方法没能充分利用源代码结构信息，缺陷定位的准确率低。为了解决这个问题，提出了一种基于源代码结构（如类名、方

CMMI模板软件缺陷报告模板优化，文档编号为CMMI_VER_TEM_RFVA。该文档是一个评审报告模板，用于记录软件缺陷情况。文档类别是CMMI模板，密级为内部秘密。当前版本为1.1，建立日期为20

在测试资源有限的情况下,预测软件模块中的缺陷数量可能会更有帮助。 目标变量值(即缺陷数量)的高度不平衡分布会降低用于预测缺陷数量的模型的性能。 作为深入研究的第一步,本文探索了使用重采样技术和集成学习

在搜集缺陷预测数据集的时候，由于考虑了大量与代码复杂度或开发过程相关的度量元，造成数据集内存在维数灾难的问题。借助基于搜索的软件工程思想，提出一种新颖的基于搜索的包裹式特征选择框架SBFS。该框架在实