买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东科技大学申请的专利一种基于ReliefF和CFS两阶段混合的软件缺陷特征选择方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115576826B 。

龙图腾网通过国家知识产权局官网在2026-03-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211315300.X，技术领域涉及：G06F11/3668；该发明授权一种基于ReliefF和CFS两阶段混合的软件缺陷特征选择方法是由赵卫东;王守东;董人嘉;贾松晴;张琪琪;徐梦瑶设计研发完成，并于2022-10-26向国家知识产权局提交的专利申请。

本一种基于ReliefF和CFS两阶段混合的软件缺陷特征选择方法在说明书摘要公布了：本发明提出了一种基于ReliefF和CFS两阶段混合的软件缺陷特征选择方法，属于软件缺陷预测领域。该方法采用权重和相关性相结合的方案，以ReliefF算法和CFS算法为基础进行实现，目的是为了选取数据中相关性高且低冗余的特征。具体包括如下步骤：提取待预测软件产品的度量元特征，通过ReliefF算法计算每个度量元特征与特征类别之间的相关性，根据设置阈值去除不相关特征，然后计算剩余特征与类之间的相关性并对特征进行排序，最后根据CFS的启发式方程对特征进行筛选以去除冗余特征，得到对软件缺陷预测有价值的特征。本发明可以选取软件缺陷数据中相关性高且低冗余的特征，进而用于软件缺陷的高准确率预测，可以用于对后续软件缺陷预测性能进一步的优化。

本发明授权一种基于ReliefF和CFS两阶段混合的软件缺陷特征选择方法在权利要求书中公布了：1.一种基于ReliefF和CFS两阶段混合的软件缺陷特征选择方法，其特征在于，包括如下步骤： 步骤1、提取待预测软件产品的度量元特征； 步骤2、基于ReliefF计算度量元特征与特征类别的相关性特征权重；具体过程如下： 步骤2.1、首先计算每一个特征类别样本的样本中心点，计算公式如下： 1 其中，表示某一类样本中的任意样本点，为初始随机选择的一个非中心点，用表示代替后和代替前的误差函数值；若，表示代替后误差会减少，则用代替，即将作为新的样本中心点；否则，不代替；以此，最终确定每一个类别的样本中心点； 步骤2.2、计算每一个类别样本中样本点与该类样本中心点的欧式距离，计算公式如下： 2 其中，表示某一类样本的样本中心点； 步骤2.3、对各个类别样本划分小组，选择每一个小组样本的中心样本作为最终选择的样本P；具体过程为： 将该类样本分成组，其中为ReliefF抽样次数，为数据集中的类别数，分组间隔欧氏距离大小为，最终选取每一组样本的中心样本； 步骤2.4、通过选取的样本，ReliefF从同一个类中检索的个最近邻，记为nearHits，从每个不同类中检索的个最近邻，记为nearMisses；如果在一度量元特征上与nearHits的差小于与nearMisses的差，则说明这是一个有利于分类的特征，增加该度量元特征的权值；反之，降低该度量元特征的权值；重复这一过程直到满足结束条件为止，最后返回度量元特征的权值，计算特征权重W的公式为： 3 其中，表示特征，表示样本，表示同类样本中找到的个最近邻，表示样本和样本在特征上的差，表示样本类别，表示概率，表示类样本中第个最近邻样本； 步骤3、设置阈值去除不相关特征，得到特征子集F1； 步骤4、计算特征子集F1中剩余特征与类之间的相关性； 步骤5、将步骤3得到的软件缺陷特征子集F1按照相关性进行降序排序，得到排序后的软件缺陷特征子集F1'； 步骤6、基于CFS的启发式规则评估软件缺陷特征子集F1'相关性，并利用前向选择策略筛选软件缺陷特征子集，得到最终软件缺陷特征子集F2，软件缺陷特征子集F2为对软件缺陷预测有价值的特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。