.png){kind=icon}
返回
Software failure prediction using hybrid deep learning model with optimization-enabled feature selection
.png){kind=icon}
PRE
AI
DOI：10.1080/03610918.2025.2571974.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
背景
为了识别故障，软件故障预测（SFP）方法被应用于软件开发生命周期（SDLC）的早期阶段。如今，软件缺陷预测（SDP）正逐渐受到关注，其通常被执行，并且经常采用机器学习方法。然而，当前的基于机器学习的技术需要手动提取特征，这可能耗时、费力，并且经常无法成功捕获缺陷跟踪系统中包含的语义信息。深度学习（DL）方法为专家提供了自动获取高维数据的能力。
目标
因此，本研究提出了一种先进的混合深度学习模型用于SFP。首先，输入数据被输入到预处理阶段，通过最小-最大归一化执行。随后，使用由双指数平滑（DES）和 seri算法（COA）结合提出的双指数- seri优化方法（DE-COA）进行特征选择。随后，通过结合EfficientNetB0和ResNet50模型提出的EfficientNetB0-ResNet50进行SFP。
结果
最后，通过准确率、敏感性和特异性指标进行分析，其中DE-COA达到了0.968的增强准确率、0.990的更好敏感性和0.873的更好特异性。
Keyword:
Deep learning
Feature selection
Optimization
Software development
Software failure prediction
期刊
C
IF:
0.8
论文数:
226
被引数:
4.7K
机构
引用论文
Strawberry Plant Diseases Classification Using CNN Based on MobileNetV3-Large and EfficientNet-B0 Architecture基于MobileNetV3-Large和EfficientNet-B0架构的卷积神经网络草莓植物病害分类
OAAI
OAAI分享收藏Software Fault Prediction Using an RNN-Based Deep Learning Approach and Ensemble Machine Learning Techniques使用基于RNN的深度学习方法和集成机器学习技术进行软件故障预测OAAI
OAAI分享收藏Software defect prediction using a bidirectional LSTM network combined with oversampling techniques使用双向LSTM网络结合过采样技术的软件缺陷预测OAAI
OAAI分享收藏The Effect of Preprocessing Techniques, Applied to Numeric Features, on Classification Algorithms’ Performance应用于数字特征的预处理技术对分类算法性能的影响.png)
Data
OAAI
DataIF0
OAAI分享收藏Coati Optimization Algorithm: A new bio-inspired metaheuristic algorithm for solving optimization problemsCoati优化算法: 一种新的生物启发的元启发式算法，用于解决优化问题OAAI
OAAI分享收藏Handling Class-Imbalance with KNN (Neighbourhood) Under-Sampling for Software Defect Prediction
PREAI
分享收藏Refined Software Defect Prediction Using Enhanced JAYA Optimization and Extreme Learning MachineIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容