基于NASA PROMISE的软件缺陷预测系统

最高测试准确率

94.99%

pc1 数据集

最佳 F1 值

0.9519

综合性能指标

项目概述

构建基于深度学习的缺陷预测模型，分析NASA PROMISE存储库中的软件模块代码度量数据，提前识别潜在缺陷，帮助开发者提高代码质量和降低维护成本。

LSTM SMOTE Python TensorFlow

方法设计

数据预处理

22个代码度量特征提取
SMOTE过采样（不平衡比 1:8）
7:3 训练测试集划分

LSTM架构

双层LSTM（128单元）
Dropout层（0.2）
Adam优化器（lr=0.001）

性能对比

改进前后对比（pc1数据集）

指标	原始模型	优化模型
准确率	0.9219	0.9499
AUC	0.65	0.95

项目总结

未来优化方向

引入注意力机制，提升模型对关键特征的关注度
自动化超参数调优，使用贝叶斯优化等先进算法
特征工程强化，探索更多代码度量特征