基于堆叠泛化分层聚类的无监督工作量感知缺陷预测方法

本发明公开了基于堆叠泛化分层聚类的无监督工作量感知缺陷预测方法(UEADPSHC)，涉及软件缺陷预测技术领域。本发明第一层采用KMedoids、KMeans++和CURE进行初步聚类，充分捕捉数据的多样性和复杂结构，更全面地揭示数据中的不同特征。第二层使用EMA和MeanShift对第一层的聚类结果和原始输入特征进行进一步优化。结合了原始特征和聚类特征，保留更多的信息，更准确地捕捉数据的内在结构。对聚类结果采用随机化多数投票法进行预测。选择出现频率最高的预测类别作为最终结果，如遇平局则随机选择一个类别。在性能上取得了显著的改善，为未来工作提供了有益的指导，强调了基于Stacking分层聚类的无监督工作量感知缺陷预测的潜在优势。