关键词: 软件缺陷数量预测, 密度峰值聚类, 回环特征选择, 反距离加权法, 集成学习

摘要：

软件缺陷预测是软件工程中的一个热点研究课题。通常，软件缺陷预测的研究工作主要集中在软件模块中是否存在缺陷以及软件模块中缺陷的数量。目前，软件缺陷数量的研究主要集中在基于缺陷数量的软件模块排序上。为了提高软件模块排序的准确性，本文提出了一种环回软件缺陷预测模型。该模型包括两个部分：回路特征选择和缺陷预测。在循环特征选择部分，将改进的密度峰值聚类算法和包裹特征选择方法相结合，以循环方式动态选择最优特征并训练学习者。在缺陷预测部分，采用逆距离加权积分法得到预测结果。实验结果表明，与LRCR、GRCR、LR、MLP、GP、NBR和ZIP相比，该模型分别提高了10.36%、28.74%、13.51%、36.61%、25.30%、60.14%和54.72%，有助于提高软件测试效率。

关键词： 软件缺陷数量测量， 密度峰值聚集， 循环特征选择， 反距离加权法， 综合学习