技术总结
本发明公开了一种基于Boosting的代价敏感软件缺陷预测方法，属于软件工程应用的技术领域。本发明使用Bootstrap方式进行重抽样，在属性选择时使用代价敏感的随机删除某个属性的子集选择方式，能够防止对于有价值属性的误删除，同时使得所选择的属性子集有利于减小预测误差代价；在权重更新时使用代价敏感的权重更新机制，对于代价较大的数据集赋予较大权重，能够确保这类数据进行多次的学习，得到更为合理的集成预测模型，将该预测模型应用于小样本数据下对软件缺陷进行精确预测，解决了小样本数据下训练数据不足、预测过程中误报和漏报代价不等而导致预测效果不理想的技术问题。
技术研发人员：燕雪峰;杨杰;王凯;范亚琼;张晓策;薛参观
受保护的技术使用者：南京航空航天大学
文档号码：201610594008
技术研发日：2016.07.26
技术公布日：2016.12.07