基于迁移学习的跨项目软件缺陷预测

Cross-project defect prediction of software based on Transfer Learning

软件缺陷预测是近三十年来软件工程领域的一个重要研究课题。软件缺陷预测在合理配置测试资源，提高软件测试效率方面发挥着重要作用，越来越受到学术界和工业界的重视。软件缺陷预测模型是建立在项目的历史缺项数据之上的，然后被用来预测来自相同项目的新软件模块。但是在项目早期阶段，由于没有足够的历史缺陷数据，很难执行项目内缺陷预测。因此研究人员提出了跨项目缺陷预测，从其它项目中收集源数据，然后使用经过训练的模型来预测新项目数据的缺陷。但是跨项目缺陷数据之间存在异构的问题，为了解决跨项目缺陷中存在的异构问题，通过引入迁移学习来进行跨项目软件缺陷预测。