基于集成学习的软件缺陷预测模型构建方法和装置

本发明公开了一种基于集成学习的软件缺陷预测模型构建方法和装置，涉及软件测试技术领域。本发明通过训练集对多个初始的学习器进行初步训练，得到具有一定缺陷预测能力的基学习器，再利用每个基学习器对训练集中每个样本数据进行预测，得到的预测结果能够真实评估每个基学习器对软件缺陷的预测能力，以及各基学习器之间的差异。因此基于测试集的预测结果选择的基学习器构成集成学习器相比依赖经验选择基学习器更为有效，从而发挥出不同模型之间的互补性优势，以对抗不平衡样本导致的过拟合或欠拟合问题，提高缺陷预测的性能。

《基于集成学习的软件缺陷预测模型构建方法和装置》是一发明专利，专利号为 2023118235655，当前法律状态为已下证，由成都工业学院提出申请，发明人为董昕;梁艳;王杰;陈松;周正娟;李君，申请日期为2023-12-28，公开（公告）日期为2024-03-12，国际专利分类号（IPC）为 G06F 11/36 (2006.01)，高新资质：未报高企，所属技术领域包括：软件工程、软件缺陷预测、集成学习、缺陷预警、代码质量、机器学习、软件质量管控、缺陷识别、模型训练、静态分析、软件测试、缺陷预判。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了一种基于集成学习的软件缺陷预测模型构建方法和装置，涉及软件测试技术领域。本发明通过训练集对多个初始的学习器进行初步训练，得到具有一定缺陷预测能力的基学习器，再利用每个基学习器对训练集中每个样本数据进行预测，得到的预测结果能够真实评估每个基学习器对软件缺陷的预测能力，以及各基学习器之间的差异。因此基于测试集的预测结果选择的基学习器构成集成学习器相比依赖经验选择基学习器更为有效，从而发挥出不同模型之间的互补性优势，以对抗不平衡样本导致的过拟合或欠拟合问题，提高缺陷预测的性能。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！