基于改进蝙蝠算法的软件缺陷预测模型

作者：杨晓琴

来源：计算机技术与发展, 2018, 28(12): 74-78.

• 支持向量机
• 软件缺陷预测
• 莱维飞行
• 蝙蝠算法

软件缺陷预测模型因为软件规模持续扩大以及安全性要求越来越高,变得越来越重要。支持向量机(SVM)模型突出优点是它具有较强的非线性分类能力,所以在软件缺陷预测应用非常广泛。但是,SVM模型缺乏有效的方法来确定最佳参数,以至于不能达到理想的准确度。所以,提高SVM模型的参数,提高SVM模型的软件缺陷预测能力成为了研究热点。蝙蝠算法是一种启发式搜索算法,它模型简单,易于实现,但是却易陷入局部最优,因此采用加入莱维飞行的蝙蝠算法对SVM模型的参数选择进行优化。为了测试这个新模型的性能,仿真实验使用了一些软件缺陷预测的公共数据集,然后将结果与传统的启发式算法进行比较。实验结果表明,LBA-SVM模型的分类能力优于其他方法。