买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连海事大学

摘要：本发明公开了一种基于稀疏代价矩阵的软件BUG分类方法，包括以下步骤：S1：获取软件BUG报告；S2：对软件BUG报告数据进行编码操作，S3：初始化稀疏代价矩阵；S4：使用编码后的数据训练加权极限学习机、使其输出正确的报告分类结果；S5：使用训练好的加权极限学习机求出该加权极限学习机的局部泛化误差；S6：使用差分进化算法中的交叉变异策略产生新的软件BUG稀疏权重矩阵；S7：使用新的稀疏权重矩阵在相同不平衡数据集上训练新的加权极限学习机、S8：直至无法得到更低的局部泛化误差；S9：使用能够得到最低的局部泛化误差的加权极限学习机预测未知的软件BUG报告、得到其相应的报告分类结果。

主权项：1.一种基于稀疏代价矩阵的软件BUG分类方法，其特征在于包括：包括以下步骤：S1：获取软件BUG报告、对BUG报告进行分类得到类别数C；S2：对软件BUG报告数据进行编码操作，将每条软件BUG报告处理为相同长度的向量，将软件BUG报告的类别编码为one-hot格式；S3：初始化稀疏代价矩阵，其中矩阵规模与软件BUG类别C有关；S4：使用编码后的数据训练加权极限学习机、使其输出正确的报告分类结果；S5：使用训练好的加权极限学习机求出该加权极限学习机的局部泛化误差；S6：使用差分进化算法中的交叉变异策略产生新的软件BUG稀疏权重矩阵；S7：使用新的稀疏权重矩阵在相同不平衡数据集上训练新的加权极限学习机、并计算加权极限学习机的局部泛化误差；S8：重复S6-S7操作直至无法得到更低的局部泛化误差；S9：使用能够得到最低的局部泛化误差的加权极限学习机预测未知的软件BUG报告、得到其相应的报告分类结果；S5中具体采用如下方式：S51：将局部泛化误差定义为： 给定Q＞0和任意一个扰动向量Δx，使代表训练数据xi的Q近邻，表示除了xi之外不可见的所有样例，SQ表示所有SQxi的集合，px表示真实的概率密度函数，LossFx；θ,fx表示求得分布与真实分布之间的差距；局部泛化误差表示为： 其中输入扰动引起的输出波动通过随机灵敏度测量，即A,B,η分别表示目标输出的最大最小值之间的差、损失函数的最大值、以及约束的可信度；此时有局部泛化误差为： 基于S4中加权极限学习机的定义有： 最终结果即为在该加权极限学习机上的局部泛化误差，该值表示在所有未知的BUG报告上分类器的误差有多大，即该值越大则该分类器的分类结果越不准确。

全文数据：

权利要求：

百度查询： 大连海事大学 一种基于稀疏代价矩阵的软件BUG分类方法