Resumen

Con el continuo desarrollo del software, es inevitable que surjan diversos problemas impredecibles en el software de computadora o programas que dañarán el funcionamiento normal del software. En el documento, se toma como objeto de investigación el software de análisis estático, se analizan los errores o fallos causados por los defectos potenciales de los módulos de software, y se propone un método de análisis de software basado en la predicción de tendencias de big data para utilizar los defectos de software del analizador disperso de reducción de ruido apilado para predecir. Este método puede aprender características de datos de defectos originales, extraer directa y eficientemente las características requeridas de todos los niveles a partir de datos de defectos de software mediante la configuración de diferentes números de capas ocultas, parámetros de regularización dispersa y relación de ruido, y luego clasificar y predecir las características extraídas combinándolas con big data. A través de pruebas experimentales, el rendimiento del método presentado es mejor que el del método de comparación en la tasa de corrección, t

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Desarrollo continuo; Software; Análisis estático; Defectos; Big data; Predicción
• Keywords:Continuous development; Software; Static analysis; Defects; Big data; Prediction