Cross-Project Software Defect Prediction Using DCCA and Dynamic Distribution Alignment

ross-project software defect prediction (CSDP) is one of the difficult tasks in software engineering, particularly when there is limited labeled data for the target project. However, there exist two critical challenges for increasing the model accuracy on this task that are distribution shift among projects and class imbalance. In this work, we propose a novel hybrid model, DDA–SDCCA, based on transfer learning. The model attempts to capture shared feature representations between the source and target domains using Dynamic Distribution Alignment (DDA) andDeep Canonical Correlation Analysis (DCCA). After feature extraction, the SMOTE method is used to balance the data before making final decision by using an ensemble classifier with majority voting. We validated the proposed model on seven projects in NASA datasets and achieved ۰.۸۳ AUC and ۰.۵۳ F۱ with an average, which presents a considerable advantage over baseline approaches. These results demonstrate the effectiveness of our model in improving cross-project defect prediction performance.در این پژوهش، ما یک مدل ترکیبی جدید با نام DDA–SDCCA بر پایه یادگیری انتقالی (transfer learning) پیشنهاد می کنیم. این مدل تلاش می کند نمایش های ویژگی مشترک بین دامنه مبدا و دامنه هدف را با استفاده از هم ترازی پویای توزیع (Dynamic Distribution Alignment - DDA) و تحلیل همبستگی متعارف عمیق (Deep Canonical Correlation Analysis - DCCA) استخراج کند.پس از استخراج ویژگی ها، از روش SMOTE برای متعادل سازی داده ها استفاده می شود، و در نهایت تصمیم گیری نهایی با استفاده از یک طبقه بند ensemble و رای گیری اکثریت (majority voting) انجام می گیرد.ما مدل پیشنهادی را روی هفت پروژه از مجموعه داده های NASA ارزیابی کردیم و به طور میانگین به مقدار ۰.۸۳ AUC و ۰.۵۳ F۱ دست یافتیم، که نشان دهنده برتری قابل توجه نسبت به روش های پایه است.این نتایج اثربخشی مدل ما را در بهبود عملکرد پیش بینی نقص نرم افزار در سناریوی بین پروژه ای نشان می دهد.

Keywords:

پیش بینی نقص نرم افزار بین پروژه ای , یادگیری انتقالی , تحلیل همبستگی متعارف عمیق , هم ترازی پویای توزیع , تکنیک بیش نمونه سازی اقلیت مصنوعی (SMOTE) , طبقه بند تجمیعی مبتنی بر رای گیری