文档介绍：测控技术
人工智能与测试保障专刊 2020 年第39 卷第12 期 ·111·
基于启发式 BP 算法的软件缺陷预测模型
刘 影，孙凤丽，郭 栋，张泽奇，杨 隽
（中国航天系统科学与工程研究院，北京 100048）
摘要：针对软件缺陷预测时缺陷数据集中存在的类别分布不平衡问题，结合上采样算法SMOTE 与Edi-
ted Nearest Neighbor （ENN）数据清洗策略，提出了一种基于启发式BP 神经网络算法的软件缺陷预测
模型。模型中采用上采样算法SMOTE 增加少数类样本以改善项目中的数据不平衡状况，并针对采样
后数据噪声问题进行ENN 数据清洗，结合基于启发式学习的模拟退火算法改进四层BP 神经网络后建
立分类预测模型，在AEEEM 数据库上使用交叉验证对提出的方案进行性能评估，结果表明所提出的算
法能够有效提高模型在预测类不平衡数据时的分类准确度。
关键词：软件缺陷预测；类不平衡学习；BP 神经网络
中图分类号：TP391. 4 文献标识码：A 文章编号：1000 － 8829（2020）12 － 0111 － 05
doi：10. 19708 ／ j. ckjs. 2020. 12. 019
Soｆtware Deｆect Ｐrediction Model Based on Ｈeuristic BＰ Algoritｈm
LIU Ying, SUN Feng-li, GUO Dong, ZHANG Ze-qi, YANG Jun
( China Aerospace Academy of Systems Science and Engineering, Beijing 100048, China)
Abstract: In order to solve the problem of unbalanced category distribution in the defect data set during soft-
ware defect prediction, combined with the upsampling algorithm SMOTE and Edited Nearest Neighbor ( ENN)
data cleaning strategy, a s