1 |
1
분류기를 학습시키는 학습 방법에 있어서,소스 인스턴스와 타겟 인스턴스 간의 유사도에 기초하여 소스 인스턴스들 중에서 제1 트레이닝 인스턴스를 결정하는 단계;상기 소스 인스턴스들의 분포 특징에 기초하여 상기 소스 인스턴스들 중에서 제2 트레이닝 인스턴스를 결정하는 단계;상기 제1 트레이닝 인스턴스 및 상기 제2 트레이닝 인스턴스를 이용하여 상기 분류기를 학습시키는 단계를 포함하고,상기 제1 트레이닝 인스턴스를 결정하는 단계는,해밍 공간(Hamming space)에서 상기 타겟 인스턴스를 중심으로 하는 제1 탐색 링(search ring)을 결정하는 단계; 및상기 제1 탐색 링에 기초하여 상기 제1 트레이닝 인스턴스를 결정하는 단계를 포함하는 학습 방법
|
2 |
2
삭제
|
3 |
3
제1항에 있어서,상기 제1 트레이닝 인스턴스를 결정하는 단계는,상기 제1 탐색 링 안에 위치하는 소스 인스턴스가 하나인 경우, 상기 제1 탐색 링 안에 위치하는 소스 인스턴스를 중심으로 하는 제2 탐색 링을 결정하는 단계; 및상기 제2 탐색 링에 기초하여 상기 제1 트레이닝 인스턴스를 결정하는 단계를 포함하는 학습 방법
|
4 |
4
제3항에 있어서,상기 제2 탐색 링을 결정하는 단계는,해밍 공간에서, 상기 제1 탐색 링 안에 위치하는 소스 인스턴스를 중심으로 하고, 최소 해밍 거리를 반지름으로 하는 상기 제2 탐색 링을 결정하는 것을 특징으로 하는 학습 방법
|
5 |
5
제1항에 있어서,상기 분류기를 학습시키는 단계는,상기 제1 탐색 링에 기초하여 선택된 소스 인스턴스들의 클래스가 서로 다른 경우, 나이브 베이즈(naive Bayes) 학습기를 이용하여 상기 분류기를 학습시키는 것을 특징으로 하는 학습 방법
|
6 |
6
제3항에 있어서,상기 분류기를 학습시키는 단계는,상기 제2 탐색 링 안에 하나의 소스 인스턴스가 존재하는 경우 및 상기 제2 탐색 링에 기초하여 선택된 소스 인스턴스들의 클래스가 서로 다른 경우 중 적어도 하나의 경우에, 나이브 베이즈 학습기를 이용하여 상기 분류기를 학습시키는 것을 특징으로 하는 학습 방법
|
7 |
7
제1항에 있어서,상기 유사도는,해밍 거리(Hamming distance)에 기초하여 결정되는 것을 특징으로 하는 학습 방법
|
8 |
8
제1항에 있어서,상기 제2 트레이닝 인스턴스를 결정하는 단계는,상기 소스 인스턴스의 전체 데이터 분포의 평균과 표준 편차를 이용하여 상기 소스 인스턴스들에서 상기 제2 트레이닝 인스턴스를 결정하는 것을 특징으로 하는 학습 방법
|
9 |
9
제1항에 있어서,상기 제2 트레이닝 인스턴스를 결정하는 단계는,각 소스 인스턴스의 마할라노비스 거리(Mahalanobis distance)를 이용하여 상기 소스 인스턴스들에서 상기 제2 트레이닝 인스턴스를 결정하는 것을 특징으로 하는 학습 방법
|
10 |
10
제1항에 있어서,상기 제2 트레이닝 인스턴스를 결정하는 단계는,소스 데이터세트 분포로부터 결정된 이상점 및 타겟 데이터세트 분포로부터 결정된 이상점에 기초하여 상기 제2 트레이닝 인스턴스를 결정하는 것을 특징으로 하는 학습 방법
|
11 |
11
제1항에 있어서,상기 분류기는,소프트웨어 결함 예측을 위한 분류기인 것을 특징으로 하는 학습 방법
|
12 |
12
컴퓨팅 하드웨어가 제1항의 방법을 실행하도록 하는 인스트럭션들을 저장하는 비일시적인(non-transitory) 컴퓨터 판독 가능한 저장 매체
|
13 |
13
적어도 하나의 프로세서; 및상기 프로세서에 의해 실행될 인스트럭션들(instructions)을 저장하는 적어도 하나의 메모리를 포함하고, 상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 프로세서로 하여금,소스 인스턴스와 타겟 인스턴스 간의 유사도에 기초하여 소스 인스턴스들 중에서 제1 트레이닝 인스턴스를 결정하는 단계;상기 소스 인스턴스들의 분포 특징에 기초하여 상기 소스 인스턴스들 중에서 제2 트레이닝 인스턴스를 결정하는 단계;상기 제1 트레이닝 인스턴스 및 상기 제2 트레이닝 인스턴스를 이용하여 분류기를 학습시키는 단계를 실행하고,상기 제1 트레이닝 인스턴스를 결정하는 단계는,해밍 공간(Hamming space)에서 상기 타겟 인스턴스를 중심으로 하는 제1 탐색 링(search ring)을 결정하는 단계; 및상기 제1 탐색 링에 기초하여 상기 제1 트레이닝 인스턴스를 결정하는 단계를 포함하는 것을 특징으로 하는 학습 장치
|
14 |
14
삭제
|
15 |
15
제13항에 있어서,상기 제1 트레이닝 인스턴스를 결정하는 단계는,상기 제1 탐색 링 안에 위치하는 소스 인스턴스가 하나인 경우, 상기 제1 탐색 링 안에 위치하는 소스 인스턴스를 중심으로 하는 제2 탐색 링을 결정하는 단계; 및상기 제2 탐색 링에 기초하여 상기 제1 트레이닝 인스턴스를 결정하는 단계를 포함하는 학습 장치
|
16 |
16
제13항에 있어서,상기 제2 트레이닝 인스턴스를 결정하는 단계는,상기 소스 인스턴스의 전체 데이터 분포의 평균과 표준 편차를 이용하여 상기 소스 인스턴스들에서 상기 제2 트레이닝 인스턴스를 결정하는 것을 특징으로 하는 학습 장치
|
17 |
17
제13항에 있어서,상기 제2 트레이닝 인스턴스를 결정하는 단계는,소스 데이터세트 분포로부터 결정된 이상점 및 타겟 데이터세트 분포로부터 결정된 이상점에 기초하여 상기 제2 트레이닝 인스턴스를 결정하는 것을 특징으로 하는 학습 장치
|
18 |
18
적어도 하나의 프로세서; 및상기 프로세서에 의해 실행될 인스트럭션들을 저장하는 적어도 하나의 메모리를 포함하고, 상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 프로세서로 하여금,타겟 소프트웨어의 소스 파일을 파싱(parsing)하는 단계; 및미리 학습된 분류기를 이용하여 상기 파싱된 소스 파일로부터 소프트웨어의 결함을 예측하는 동작을 수행하고,상기 분류기는,소스 인스턴스와 타겟 인스턴스 간의 유사도에 기초하여 결정된 제1 트레이닝 인스턴스와 상기 소스 인스턴스들 중에서 상기 인스턴스들의 분포 특징에 기초하여 결정된 제2 트레이닝 인스턴스를 이용하여 미리 학습되고,상기 제1 트레이닝 인스턴스는,해밍 공간(Hamming space)에서 상기 타겟 인스턴스를 중심으로 하여 결정된 제1 탐색 링(search ring)에 기초하여 결정되는 것을 특징으로 하는 소프트웨어 결함 예측 장치
|