{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,8,10]]，“日期-时间”：“2024-08-10T09:02:45Z”，“时间戳”：1723280565871}，“引用-计数”：54，“发布者”：“MDPI AG”，“问题”：“2”，“许可证”：[{“开始”：{-“日期-零件”：[2022,17]]，”日期-时间“：”202 2-02-17T00:00:00Z“，”时间戳“：1645056000000}，“内容版本”：“vor”，“延迟天数”：0，“URL”：“https://creativecommons.org/licenses\/by\/4.0\/”}]，“资助者”：[{“DOI”：“10.13039\/501100001809”，“名称”：“国家自然科学基金会”，“DOI由”：“发布者”断言，“奖项”：[“62077029”，“61902161”]，“id”：[{“id”：“10.13039\/50100001809”，“id type”：“DOI”，“由”断言：“发布者”｝]｝，｛“名称”：“工业和信息化部安全关键软件重点实验室开放项目基金”，“奖项”：[“NJ2020022”，“FNSRFP-2021-YB-32”，“18KJB520016”，“KYCX20_2384”，“KYCX20_2 380”]}]，“内容域”：{“域”：[]，“交叉标记-限制”：false}，“短容器-时间”：[”对称“]，“抽象”：“软件测试是目前发现软件缺陷的主要方法，对称测试等方法得到了广泛的应用，但这些测试方法会造成大量的资源浪费。软件缺陷预测方法通过预测软件模块的缺陷趋势来合理分配测试资源。当面临缺失数据集时，跨项目缺陷预测方法具有巨大的优势。然而，大多数跨项目缺陷预测方法都是基于单个源项目和单个目标项目的设置而设计的。随着公共数据集的数量不断增加，源项目和缺陷信息的数量也在增加。因此，在多源项目的情况下，本文探讨了使用多源项目进行缺陷预测时存在的问题。有两个问题。首先，在实践中，不可能事先知道使用哪个源项目来构建模型以获得最佳预测性能。其次，如果在实验中使用了不合适的源项目来构建模型，则可能会导致性能降低的问题。针对实验中发现的问题，提出了一种基于多源的跨项目缺陷预测方法MSCPDP。在AEEEM数据集和PROMISE数据集上的实验结果表明，所提出的MSCPDP方法有效地解决了上述两个问题，并在F1和AUC上优于大多数当前最先进的跨项目缺陷预测方法。与六种跨项目缺陷预测方法相比，F1中值提高了3.51%、3.92%、36.06%、0.49%、17.05%和9.49%，ACU中值提高了\u22123.42%、8.78%、0.96%、\u22122.21%、\u122127.94%和5.13%<\/jats:p>“，”DOI“：”10.3390\/sym14020401“，”type“：”journal-article“，”created“：{”date-parts“：[2022,2,18]]，”date-time“：”2022-02-18T01:26:41Z“，”timestamp“：1645147601000}，”page“：“”14”，“作者”：[{“ORCID”：“http://\/ORCID.org\/00000-0001-7776-3178”，“authenticated-ORCID”：false，“给定”：“余”，“家庭”：“赵”，”sequence“：”first“，”affiliation“：[{name“：”江苏师范大学计算机科学与技术学院，徐州221116“}]}，{“ORCID”:“http://\-ORCID.org\00000-0002-0996-0142”，“authenticated-ORCID“：false”Yi“，”family“：”Zhu“，”sequence“：”additional“，”affiliation“：[{”name“：”江苏师范大学计算机科学与技术学院，徐州221116“}，{”name“：”工业和信息化部南京航空航天大学安全关键软件重点实验室，南京211106“}]}，”given“：”“乔”，“家庭”：“余”，“序列”：“附加”，“隶属关系”：[{“名称”：“江苏师范大学计算机科学与技术学院，中国徐州221116”}]}，{“给定”：“小英”，“家族”：“陈”，“顺序”：“额外”，“附属关系”成员“：”1968“，”published-online“：{“date-parts”：[2022,2,17]]}，“reference”：[{“key”：“ref_1”，“unstructured”：“Gotlieb，A.（2003年1月17日\u201321）。利用对称性测试程序。第十四届软件可靠性工程国际研讨会论文集，美国科罗拉多州丹佛市”}，{“key”：”ref_2“，”doi-asserted-by“：”crossref“，”非结构化”：“Gomez-Jauregui，V.、Hogg，H.和Manchado，C.（2021）。GomJau Hogg\u2019s使用ANTWERP v3.0自动生成k均匀镶嵌的符号。Symmetry，13.“，”DOI“：”10.3390\/sym13122376“}，{“key”：”ref_3“，“first page”：“1”，“article-title”：”静态软件缺陷预测调查“，”volume“：”27“，”author“：”Chen“，”year“：”2016“，”journal-title“：”J.Softw.0-05159-1“，”文章标题“：”基于距离度量学习的软件缺陷预测模型”，“卷”：“25”，“作者”：“金”，“年份”：“2021”，“期刊标题”：“软计算”。“}，{”key“：”ref_5“，”doi-asserted-by“：”crossref“，”first-pages“：”1276“，”doi“：”10.1109\/TSE.2011.03“，”article-title“：”软件工程中故障预测性能的系统文献综述“，”volume“：“38”，“author”：“Hall”，“year”：“2012”，“journal-title”：“IEEE Trans.Softw.Eng.”}，”{“key”：“ref_6”，“doi-assert-by”：“Crosref”，“first-page”“：”106441“，“DOI”：“10.1016\/j.infsof.2020.106441”，“article-title”：“重新审视异质缺陷预测方法：我们还有多远？“，”卷“：”130“，”作者“：”陈“，”年份“：”2021“，”新闻标题“：”Inf.Softw。Technol公司。“}，{”key“：”ref_7“，”doi-asserted-by“：”crossref“，”first-page“：”296“，”doi“：”10.1016\/j.infsof.2017.06.004“，”article-title“：”基于搜索的数据选择和特征选择对跨项目缺陷预测有效性的基准研究“，”volume“：ref_8“，“首页”：“254”，“文章标题”：“跨项目软件缺陷预测方法综述”，“卷”：“41”，“作者”：“陈”，“年份”：“2018”，“期刊标题”：。J.计算。“}，{”key“：”ref_9“，”first-page“：”3090“，”article-title“：”软件缺陷预测的研究进展“，”volume“：“30”，”author“：”Gong“，”year“：”2019“，“journal-title”：”J.Softw.“}”，{“key”：“ref_10”，“doi-asserted-by”：“crossref”，“first-page:”111“，”doi“：”10.1109\/TSE.2017.2770124“，”article-title“：”跨项目缺陷预测的系统文献综述和荟萃分析”，“卷”：“45”，“作者”：“侯赛尼”，“年份”：“2019年”，“期刊标题”：“IEEE Trans。柔和。工程“}，{”key“：”ref_11“，”doi-asserted-by“：”crossref“，”first page“：“1241”，”doi“：”10.1109\/TSE.2018.2877678“，”article-title“：”缺陷预测中的感知、期望和挑战“，”volume“：“：”跨项目软件缺陷预测方法综述”，“卷”：“30”，“作者”：“李”，“年份”：“2020”，“期刊标题”：“Comput。Technol公司。Dev.“}，{”key“：”ref_13“，”doi-asserted-by“：”crossref“，”first page“：“199”，”doi“：”10.1109\/TNN.2010/2091281“，”article-title“：”通过传输组件分析的域适配“，”volume“:”22“，”author“：”Pan“，“year”：“2010”，“journal-title”：“IEEE Trans.Neural Netw”}，”{“key”：“ref_14”，”first-page“：”115“，”article-titel“：”软件缺陷预测的转移学习”，“卷”：“44”，“作者”：“成”，“年份”：“2016”，“新闻标题”：“电子学报”。罪恶。“}，{”key“：”ref_15“，”doi-asserted-by“：”crossref“，”first page“：“167”，”doi“：”10.1007\/s10515-011-0090-3“，”article-title“：”关于跨项目缺陷预测可行性的调查“，”volume“：“”Herbold，S.（2013年1月1日\u201310）。跨项目缺陷预测的训练数据选择。《第九届软件工程预测模型国际会议论文集》，美国纽约州纽约市关于缺陷预测的跨公司和公司内部数据的相对值”，“卷”：“14”，“作者”：“Turhan”，“年份”：“2009”，“期刊标题”：“Empir。柔和。Eng.“}，{”key“：”ref_18“，”doi-asserted-by“：”crossref“，”unstructured“：”Peters，F.，Menzies，T.，and Marcus，A.（2013年1月18日\u201319）。更好的跨公司缺陷预测。2013年第十届采矿软件库（MSR）工作会议论文集，美国加利福尼亚州旧金山“，”doi“：”10.1109\/MSR.2013.6624057“}”，{“key”：“ref_19”，“非结构化”：“He，P.，Li，B.，Zhang，D.和Ma，Y.（2014）。简化跨项目缺陷预测的训练数据。arXiv公司。“}，{”key“：”ref_20“，”first page“：“2034”，”article-title“：“基于多源数据的跨项目缺陷预测新方法”，“volume”：“46”，“author”：“Li”，“year”：“2016”，“journal-title”：“吉林大学”}，“key”：Asano，T.、Tsunoda，M.、Toda，K.、Tahir，A.、Bennin，K.E.、Nakasai，K.，Monden，A.和Matsumoto，K.（10月，1月27日）。在跨项目缺陷预测中使用Bandit算法进行项目选择。2021年IEEE软件维护与进化国际会议（ICSME）论文集，卢森堡。“，”DOI“：”10.1109\/ICSME52107.2021.0074“}，{”key“：”ref_22“，”DOI-asserted-by“：”crossref“，”first page“：“405”，“DOI”：“10.1007\/s11219-021-09553-2”，“article-title”：“MHCPDP：通过多源传输学习和自动编码器进行多源异构跨项目缺陷预测”，“卷”：“29”，“作者”：“Wu”，“年份”：“2021”，“期刊标题”：“Softw。资格。J.“}，{”key“：”ref_23“，”doi-asserted-by“：”crossref“，”first-page“：”706“，”doi“：”10.1109\/TSE.2002.1019484“，”article-title“：”Assessing the applicability of fault-proness models across object-oriented software projects“，”volume“：“28”，“author”：“Briand”，“year”：“2002”，“journal-title”：“IEEE Trans.Softw.Eng.”}，”{“key”：“ref_24”，“doi-assert-by”：“”crossref”，“非结构化”：“Zimmermann，T.，Nagappan，N.，Gall，H.，Giger，E.，and Murphy，B.（2009年1月24日\u201328）。跨项目缺陷预测：关于数据、领域和过程的大规模实验。欧洲软件工程会议第七届联席会议和ACM SIGSOFT软件工程基础研讨会会议记录，荷兰阿姆斯特丹。“，”DOI“：”10.1145\/1595696.1595713“}，{“key”：”ref_25“，”DOI-asserted-by“：”crossref“，”unstructured“：”Nam，J.，Pan，S.J.，and Kim，S.（2013年1月18日\u201326）。转移缺陷学习。2013年第35届国际软件工程会议（ICSE）论文集，美国加利福尼亚州旧金山。“，”doi-asserted-by“：”crossref“，”first page“：”248“，”doi“：”10.1016\/j.infsof.2011.09.007“，”article-title“：”跨公司软件缺陷预测的转移学习“，”volume“：“54”，“author”：“Ma”，“year”：“2012”，“journal-title”：“Inf.Softw”。Technol公司。“}，{”key“：”ref_27“，”doi-asserted-by“：”crossref“，”first-page“：”366“，”doi“：”10.1016\/j.jss.2017.06.070“，”article-title“：”用于跨公司缺陷预测的特征匹配和转移方法“，”volume“：“非结构化”：“Yu，Q.、Jiang，S.和Qian，J.（2016年1月3日\u20134）。对于跨项目缺陷预测，哪个更重要：实例还是功能？。2016年软件分析、测试和进化国际会议论文集，中国昆明。“，”DOI“：”10.1109\/SATE.2016.22“}，{”key“：”ref_29“，”DOI-asserted-by“：”crossref“，”first page“：“35710”，“DOI”：“10.1109\/ACCES.2019.2895614”，“article-title”：“跨项目缺陷预测特征选择有效性的实证研究”，“volume”：“7”，“author”：“Yu”，“year”：“2019”，“journal-title“：”IEEE ACCESS“}”，{“key”：”ref_30“，”doi由“：”crossref“，”first page“：”977“，”doi“：”10.1109\/TSE.2016.2543218“，”文章标题“：”Hydra:跨项目缺陷预测的大规模组成模型“，”volume“：”42“，”author“：”Xia“，”year“：”2016“，”期刊标题“：”IEEE Trans。柔和。工程“}，{”key“：”ref_31“，”doi-asserted-by“：”crossref“，”first page“：“581”，”doi“：”10.1109\/TR.2018.2804922“，”article-title“：”交叉项目和有项目半监督的软件缺陷预测：统一方法“，”volume“：参考“，”首页“：”201“，”DOI“：”10.1007\/s10515-017-0220-7“，”article-title“：”异质缺陷预测的成本敏感转移核典型相关分析“，”volume“：”25“，”author“：”Li“，”year“：”2018“，”journal-title”：“Autom。柔和。Eng.“}，{”key“：”ref_33“，”doi-asserted-by“：”crossref“，”unstructured“：”Zhang，Y.，Lo，D.，Xia，X.，and Sun，J.（2015年1月1日\u20135）。跨项目缺陷预测分类器组合的实证研究。2015 IEEE计算机软件与应用会议论文集，台湾台中。“，doi”：“10.1109\/COMPSAC.2015.58”}，}“key“：”ref_34“，”doi-asserted-by“：”crossref“，”first-page“：”103“，”doi“：”10.1016\/j.neucom.2018.12.091“，”article-title“：”缺陷预测的集体迁移学习“，”volume“：“416”，“author”：“Chen”，“year”：“2020”，“journal-title”：“Neurocomputing”}，{“key”：“ref_35”，“doi-assert-by”：“Crosref”，“first-pages”：“3461”，“doi”：“”10.1007 \/s00500-018-3093-1“，”article-title“：“通过基于半监督聚类的数据过滤和基于MSTrA的转移学习进行跨公司缺陷预测”，“卷”：“22”，“作者”：“于”，“年份”：“2018”，“期刊标题”：“软计算”。“｝，｛”key“：”ref_36“，”doi asserted by“：”crossref“，”nonstructured“：”Lelis，L.和Sander，J.（2009年1月6日\u20139）。半监督密度聚类。2009年第九届IEEE国际数据挖掘会议论文集，美国佛罗里达州迈阿密海滩。“，”doi“：”10.1109\/ICDM.2009.143“｝，｛”key“：”ref_37“，”doi asserted by“：”crossref“，”首页“：”809“，”DOI“：”10.1016\/j.ins.2008.11.007“，”article-title“：”基于数据引力的分类“，”volume“：”179“，”author“：”Peng“，”year“：”2009“，”journal-title”：“Inf.Sci。“}，{”key“：”ref_38“，”doi-asserted-by“：”crossref“，”unstructured“：”Yao，Y.，and Doretto，G.（2010年1月13日\u201318）。多来源促进迁移学习。2010年美国加利福尼亚州旧金山IEEE计算机学会计算机视觉和模式识别会议论文集。“doi”：“10.1109 \/CVPR.2010.5539857”}，}”key“：“ref_39”，“doi-asserted-by“：”crossref“，”first page“：”106940“，”doi“：”10.1016\/j.asoc.2020.106940“、”article-title“：”CFPS：“基于协作过滤的跨项目缺陷预测源项目选择”，“volume”：“99”，“author”：“Sun”，“year”：“2021”，“journal-title”：“Appl”。软计算。“}，{”key“：”ref_40“，”doi-asserted-by“：”crossref“，”first-page“：”734“，”doi“：”10.1109 \/TKDE.2005.99“，”article-title“：”Toward the next generation of recommender systems:A survey of the estimate and possible extensions“，”volume“：“17”，“author”：“Adomavicius”，“year”：“2005”，“journal-title”：“IEEE Trans.Knowl.Data Eng.”}，”{“key”：“ref_41”，“doi断言：“crossref”，“first page”：“531”，“doi”：“10.1007\\s10664-011-9173-9”，“文章标题”：“评估缺陷预测方法：基准和广泛比较”，“volume”：“17”，“author”：“Lanza”，“year”：“2012”，“journal title”：“Empir。柔和。Eng.“}，{”key“：”ref_42“，”doi-asserted-by“：”crossref“，”unstructured“：”Jureczko，M.，and Madeyski，L.（2010年1月12日\u201313）。致力于识别与缺陷预测相关的软件项目集群。罗马尼亚蒂米索拉第六届软件工程预测模型国际会议论文集。“，doi”：“10.1145\/1868328.1868342“}，{“key”：“ref_43”，“doi-asserted-by”：“crossref”，“first page”：”476“，“doi”：“10.1109\/32.295895”，“article-title”：“面向对象设计的度量套件”，“volume”：：“20”，“author”：“Chidamber”，“year”：“1994”，“journal-title“：”IEEE Trans.Softw.Eng.“}”，{”key“：”ref_44“，“doi-asserted-by”：”cross ref“，”首页“：”1“，”doi“：”10.1145 \/3183339“，“文章标题”：“我们在旅程中取得了多大进展？《跨项目缺陷预测检查》，“卷”：“27”，“作者”：“周”，“年份”：“2018年”，“期刊标题”：“ACM Trans。柔和。工程方法。“}，{”key“：”ref_45“，”doi-asserted-by“：”crossref“，”unstructured“：”Xu，R.，Chen，Z.，Zuo，W.，Yan，J.，and Lin，L.（2018年1月18日\u201323）。深度鸡尾酒网络：多源无监督领域适应与类别转换。美国犹他州盐湖城IEEE计算机视觉与模式识别会议论文集。“doi”：“10.1109\/CVPR.2018.00417“}，{“key”：“ref_46”，“unstructured”：“Zhao，H.，Zhang，S.，Wu，G.，and Gordon，G.J.（2018年1月16日）。对抗性学习的多源域适配。第六届学习表征国际会议（ICLR）论文集，加拿大不列颠哥伦比亚省温哥华。”}非结构化”：“Zhu，Y.，Zhuang，F.和Wang，D.（2019年1月17日）。对齐特定于域的分布和分类器，以便从多个源进行跨域分类。《美国人工智能学会人工智能会议论文集》，加利福尼亚州帕洛阿尔托Tzeng，E.、Hoffman，J.、Darrell，T.和Saenko，K.（2015年1月7日\u201313）。跨域和任务的同步深度传输。IEEE计算机视觉国际会议（ICCV）会议记录，智利圣地亚哥。“，”DOI“：”10.1109\/ICCV.2015.463“}，{“key”：”ref_50“，”DOI-asserted-by“：”crossref“，”unstructured“：”Sun，B.，and Saenko，K.（2016年1月8日\u201310）。深珊瑚：深域适应的相关校准。荷兰阿姆斯特丹欧洲计算机视觉会议论文集。“，”ref_51“，”首页“：”723“，”文章标题“：”内核双样本测试“，”卷“：”13“，”作者“：”格雷顿“，”年份“：”2012“，”期刊标题“：“J.Mach。学习。Res.“}，{”key“：”ref_52“，”unstructured“：”Ganin，Y.和Lempitsky，V.（2015年1月7日\u20139）。通过反向传播进行的无监督域自适应。第32届国际机器学习会议（PMLR）论文集，法国里尔。“}”，{“key”：“ref_53”，“doi-asserted-by”：“crossref”，“unstructure”：“Cruz，A.E.C.和Ochimizu，K.（2009年1月15日\u201316）。面向预测跨软件项目的防错代码的逻辑回归模型。2009年第三届国际经验软件工程与测量研讨会论文集，美国佛罗里达州布埃纳维斯塔湖。”，“DOI”：“10.1109”：“ESEM.2009.5316002”}，{“key”：”ref_54“，“DOI-asserted-by”：“crossref”，“first page”：《811》，“DOI:”10.1109“TSE.2017.2724538”，“article-title”：“对基准跨项目缺陷预测方法的比较研究”，“卷”：“44”，“作者”：“赫伯德”，“年份”：“2018年”，“期刊标题”：“IEEE Trans。柔和。Eng.“}]，”container-title“：[”Symmetry“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/www.mdpi.com\/2073-8994\/14\/2\/401\/pdf“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]“deposed”：{”date-parts“：[2024,7,26]]，”date-time“2024-07-26T06:12:37Z“，”时间戳“：1721974357000}，”score“：1，”resource“：{主要”：{“URL”：“https:\/\/www.mdpi.com/2073-8994\/14\/2\/401”}}，”subtitle“：[]，”shorttitle“：[]，”issued“：{date-parts”：[2022,2,17]]}，“references-count”：54，”journal-issue“：”2“，”published-on-line“：{data-parts“：[2022,2]]}}”，“alternative-id”：[“sym14020401”]，“URL”：“http://\/dx.doi.org\/10.3390\/sym14020401“，”关系“：{}，“ISSN”：[“2073-8994”]，“ISSN-type”：[{“value”：“20738-8994”，“type”:“electronic”}]，“subject”：【】，“published”：{“date-parts”：【2022,2,17】}}