Multi-source heterogeneous software defect prediction via SVM optimized by filtered mutation projection ivy algorithm

Lifang Chen

doi:10.1007/s11227-026-08688-y

Multi-source heterogeneous software defect prediction via SVM optimized by filtered mutation projection ivy algorithm

2026-07-02

0

PRE

AI

DOI：10.1007/s11227-026-08688-y

原文链接

原文求助

摘要

En 中文

多源异构缺陷预测通常面临特征空间不匹配、类别不平衡和分类器参数优化困难等挑战。为解决这些问题，本文提出了一种基于过滤变异投影ivy算法（FMPIVY）优化的SVM多源异构缺陷预测模型。首先，采用迁移学习模型对不同数据源的特征空间进行对齐。其次，为缓解类别不平衡问题，提出了一种基于JS散度的动态邻域选择过采样算法（JSO）。随后，通过引入卡尔曼滤波更新策略和变异投影学习策略，引入过滤变异投影ivy算法（FMPIVY）以动态优化分类器参数并避免局部最优。性能评估实验结果表明，FMPIVY相比其他基准算法具有更优的收敛速度和优化精度。最后，采用优化后的SVM作为分类器构建所提出的多源异构缺陷预测模型。在不同优化算法的比较实验中，所提模型分别实现了0.7331、0.7972和0.7123的平均F-measure、AUC和G-mean值，优于其他七个对比模型。这表明FMPIVY在多源异构缺陷预测中具有更优的预测性能。跨项目缺陷预测实验结果表明，FMPIVY-SVM在F-measure和AUC方面显著优于其他五个对比模型，展现出更优的预测能力。

Keyword:

Multi-source heterogeneous software defect prediction

Ivy algorithm

SVM

JS divergence

Class imbalance

Multi-source heterogeneous software defect prediction via SVM optimized by filtered mutation projection ivy algorithm

摘要

期刊

机构