Resumen

La alta dimensionalidad de las características de las métricas de software se ha señalado desde hace tiempo como un problema de calidad de datos que afecta al rendimiento de los modelos de predicción de defectos de software (SDP). Este inconveniente hace necesaria la aplicación de algoritmos de selección de características (FS) en los procesos de SDP. Los enfoques de FS se pueden clasificar en tres tipos, a saber, filter FS (FFS), wrapper FS (WFS) y hybrid FS (HFS). El HFS se ha establecido como superior porque combina la fuerza de los métodos FFS y WFS. Sin embargo, la selección del FFS más adecuado (problema de selección del rango de filtros) para el HFS es un reto porque el rendimiento de los métodos FFS depende de la elección de los conjuntos de datos y de los clasificadores. Además, el método HFS hereda el estancamiento de los óptimos locales y los altos costes computacionales de WFS debido a los grandes espacios de búsqueda. Por lo tanto, como solución, este estudio propone un novedoso método de selección de características multifiltro híbrido basado en la agregación de rangos (RAHMFWFS) para la selección de características relevantes e irreducibles de conjuntos de datos de defectos de software. El RAHMFWFS propuesto se divide en dos etapas. La primera etapa consiste en un método de selección de características multifiltro basado en la agregación de rangos (RMFFS) que aborda el problema de la selección de rangos del filtro mediante la agregación de listas de rangos individuales de múltiples métodos de filtrado, utilizando un novedoso método de agregación de rangos para generar una lista de rangos única, robusta y no disjunta. En la segunda etapa, las características clasificadas agregadas se preprocesan mediante un método de selección de características mejorado (EWFS) basado en una estrategia de reordenación dinámica que se utiliza para guiar el proceso de selección de subconjuntos de características del método HFS. Esto, a su vez, reduce el número de ciclos de evaluación mientras amplía o mantiene su rendimiento de predicción. La viabilidad del RAHMFWFS propuesto se demostró en conjuntos de datos de defectos de software de referencia con clasificadores Naïve Bayes y de Árbol de Decisión, basándose en la precisión, el área bajo la curva (AUC) y los valores de la medida F. Los resultados experimentales mostraron la eficacia de RAHMFWFS para resolver los problemas de selección de rangos de filtros y de estancamiento de óptimos locales en HFS, así como la capacidad de seleccionar características óptimas de conjuntos de datos SDP, manteniendo o mejorando el rendimiento de los modelos SDP. En conclusión, el RAHMFWFS propuesto logró un buen rendimiento al mejorar las prestaciones de predicción de los modelos SDP en los conjuntos de datos seleccionados, en comparación con los métodos HFS existentes en el estado de la técnica.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:selección de rangos de filtros, rendimiento de sdp, estancamiento óptimo local, propuesta de rahmfwfs, nueva agregación de rangos, selección de características de envoltura, conjuntos de datos de defectos de software, métodos hf, modelo sdp, rendimiento de predicción
• Keywords:filter rank selection, performance of sdp, local optimum stagnation, proposed rahmfwfs, novel rank aggregation, wrapper features selection, software defects datasets, hf methods, sdp model, prediction performance