《表2 卷积神经网络在10个项目上的5个评价指标统计结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于卷积神经网络的软件缺陷预测研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

使用卷积神经网络在10个软件项目上进行实验。Recall、F1、MCC、pf和gm如表2所示，AUC如图2所示。从表2中，可以看到，Recall、F1、MCC、pf和gm 5个指标的平均值分别为0.6742、0.7082、0.4374、0.2396和0.7113。重点关注了F1指标，除了在camel-1.4项目的值0.5470和ant-1.6项目的值0.6800，在其余8个项目上的F1值均大于0.7，在10个项目上的平均值0.7082也大于0.7。从图2中，10个项目的AUC值从0.76到0.97变化。显然，使用卷积神经网络获得的软件缺陷预测实验结果还是比较理想的。