邻域粗糙集集成模型

故障预测全面提升

通过邻域近似约简实现属性空间扰动，生成多样且准确的基学习器，显著提升软件故障预测性能。

江峰 · 胡强 · Zhiyong, Yang · 刘金环 · 杜军威

Expert Systems with Applications 2025

参数信息

AUC提升

3.09 %

F1-score提升

3.18 %

MCC提升

7.5 %

技术优势

能同时扰动属性和样本

邻域近似约简与自助采样分别扰动属性空间和样本空间，从两个维度增强基学习器的多样性。

指标提升明显

相比基线算法，AUC、F1-score和MCC平均提升3.09%、3.18%和7.5%，且经统计检验在多数情况下显著优于基线。

代码已开源

代码在GitHub公开，便于复现和应用。

应用场景

• 软件质量保障：识别可能出错的模块，优化测试资源的分配。
• 软件缺陷预测：生成准确的基学习器，提升预测性能。