基于最大信息系数的软件缺陷预测模型

在软件缺陷预测的回归建模中,由静态代码提取的类层面度量元(特征)以及由方法聚合(sum、avg、max、min)到类的特征往往较多,使用传统的特征选择方法(如AIC、BIC)通常先要确定了模型,不同的模型选出的特征集差异较大,且模型的可解释性差.最大信息系数MIC (maximal information coefficient)是Reshef等~([4])提出的度量两个连续变量之间相互依赖程度的一个指标,且有基于观测数据的计算办法.本文基于软件缺陷个数与各特征的MIC度量先选择特征,再对所选特征进行了适当的幂次变换,最后使用主成分泊松和负二项回归建模.本文实验基于NASA的KC1的类层面数据集,采用了m×2交叉验证的序贯t-检验来对两模型的性能差异的显著性进行检验,模型性能评价指标采用FPA、AAE、ARE.实验结果表明:1)基于MIC选出的特征主要是sum、avg、max三种聚合模式特征,与AIC、BIC方法有明显的差异;2)对特征做适当的幂次变换在多数模型下可以改善其性能;3)对特征做幂次变换后,做主成分分析与因子分析可以得到两个明显的因子,其一个因子正好对应avg与max聚合模式的特征集,另一个因子正好对应sum的聚合模式特征集,使得模型具有较好的可解释性.综合实验的各项指标可以得出,sum、avg、max三种聚合模式对软件缺陷预测有显著作用,且基于MIC所选特征而构造的模型是有优势的.     

存在检测错误的软件测试方法

软件系统中通常会存有一些错误，而有些错误只有在进一步的开发中才会被检测出来，即使有专门的检测人员也会由于各种原因而不能清除其中全部的错误．前人用Capture-recapture模型来估计软件中合有的错误数量，并且取得了很好的估计值．但是这一模型假设检测行为总是正确的，而本篇文章中将会考虑这种可能性；检测行为错误；并且在本篇文章中被检测的软件将会被分成许多小块，从中取出一块作为研究对象来给出最终的估计值；在文章最后，将会用数据模型来验证文章得出的结论．     

软件测试力系统要素及属性的模型研究

在深入研究测试过程及工程实践的基础上,提出了软件测试力概念,构建了基于多要素及属性的测试力系统结构模型.以此为依据,通过对测试力系统构成要素进行定量化解析,分析各要素对系统贡献度的大小,计算出系统要素间的关联度指标,确立了影响测试效力的核心因素,为进一步研究软件测试力系统高效的运行机理和测试领域科学的发展机制提供了依据.     

集对分析在软件测试综合效能评估中的应用研究

在介绍集对分析法的思想和方法后,建立了软件测试综合效能评价体系和评价模型.以此为基础,通过求解对象综合联系度,以及设定评判集和联系度判别准则,对软件测试效能进行综合评估,确定软件测试综合效能所属等级,为软件企业改善测试过程及质量提供定量依据.     

基于神经网络的股票预测模型

针对股票市场的特征提取困难、预测精度较低等问题,本文基于深度学习算法,构建了一系列用于股票市场预测的神经网络模型,包括基于多层感知机(MLP)、卷积神经网络(CNN)、递归神经网络(RNN)、长短期记忆网络(LSTM)和门控神经单元(GRU)的模型。 针对RNN、LSTM和GRU无法充分利用所参考的时间维度的信息,引入注意力机制(Attention Mechanism) 给各时间维度的信息赋予不同权重,区分不同信息对预测的重要程度,从而提升递归网络模型的性能。上述模型均基于股票数据进行了优化,基于上证指数对各类模型进行了充分的对比实验,探索了模型中重要变量对性能的影响,旨在为基于神经网络的股票预测模型给出具体的优化方向。     

基于AGA-SVM的非线性组合预测模型

为提高预测精度,提出基于AGA-SVM的非线性组合预测模型.以组合预测模型的误差平方和最小为优化准则,用加速遗传算法对支持向量机参数进行优化选择,并利用支持向量机对单一模型的预测结果进行组合预测.算例结果表明,AGASVM综合利用了各单个预测模型的重要预测信息,其预测误差远远小于各单个模型的预测误差,其预测精度更高,模型的实用性更强.     

基于errors-in-variables的预测模型及其应用

预测是统计学实际应用的一个主要方面,多元线性回归预测是一种很好的方法,广泛地应用在各种实际领域,但其局限性及不足也是明显的。本文以一种新的观点认识数据,即认为变量的观测里均含有误差,同时认为不应删除经慎重选择进来的解释变量。为此,本文提出了一种新的多元预测方法———多元线性EIV预测。本文还考虑了新预测模型的一个实例应用,并从相对偏差上与多元回归预测进行了比较,从而揭示了多元线性EIV预测的先进性及较好的预测精度。     

基于品牌价值的销售额预测模型应用研究

首先分析了企业的品牌价值与其销售额的变化情况,归纳出品牌价值与销售额之间的两个重要的变化规律.而后以此作为二者关系方程构建的基础假设,以广告反映模型(VW模型)为基础,将原模型中的广告投入变量替换为品牌价值变量,建立了品牌价值与销售额之间的关系方程.通过求解关系方程的平衡解,得到了以品牌价值为变量的销售额预测模型.最后,采用海尔集团的实际数据对所建模型的适用性和正确性进行了证明,同时还对模型的预测精度进行了检验.研究突破了以往研究一般采用时间、环境变量直接预测销售额,或是采用历史数据对销售额进行模拟预测等传统的预测方法,首次从品牌价值的角度出发研究其对销售额的影响途径及影响力度.品牌价值是能够包涵如广告投入等因素的全部信息量的重要指标,因此其能够更为全面客观地衡量商品在整个市场中的价值潜力、能够更准确地反映其未来的销售份额.     

基于SVR的RAR区域经济预测模型

由于区域经济系统中许多经济变量呈现出强非线性与大波动性的特征,使得传统的时间序列线性建模和预测技术难以适应区域经济预测的要求.为此,提出基于支持向量机改进的残差自回归区域经济预测模型.首先采用时间序列分析中的残差自回归模型对时间序列趋势进行线性拟合,然后对残差自回归模型估计后的残差序列采用支持向量回归方法再次提取其非线性特征,从而提高区域经济时间序列模型的预测精度.最后以广东省GDP的预测实例说明模型的有效性.     

基于统计方法的神经网络预测模型研究

与现有网络结构设计方法不同,本文将RBF网络解释为解释变量和被解释变量之间的一个非线性函数,基于RBF网络的学习动态特性提出2种修剪模型WRBF和TRBF。这两种模型根据参数显著性增加和删减节点,为网络结构设计提供了理论依据。对中国信贷序列预测的结果表明,这些模型能够识别外移、萎缩和衰减等冗余核函数,得到的精简网络具有最好的预测精度,对于提高货币政策前瞻性具有很好应用价值。     

���������Ϣϵ�������ȱ��Ԥ��ģ��

In software defect prediction with a regression model, too many metrics extracted from static code and aggregated (sum, avg, max, min) from methods into classes can be candidate features, and the classical feature selection methods, such as AIC, BIC, should be processed at a given model. As a result, the selected feature sets are significantly different for various models without a reasonable interpretation. Maximal information coefficient (MIC) presented by Reshef et al.\ucite{4} is a novel method to measure the degree of the interdependence between two continuous variables, and an available computing method is also given based on the observations. This paper firstly use the MIC between defect counts and each feature to select features, and then conduct the power transformation on the selected features, and finally build up the principal component Poisson and negative binomial regression model. All experiments are conducted on KC1 data set in NASA repository on the level of class. The block-regularized $m\times 2$ cross-validated sequential $t$-test is employed to test the difference of performance of two models. The performance measures of a model in this paper are FPA, AAE, ARE. The experimental results show that 1) the aggregated features, such as sum, avg, max, are selected by MIC except min, which are significantly different from AIC, BIC; 2) the power transformation to the features can improve the performance for majority of models; 3) after PCA and factorial analysis, two clear factors are obtained in the model. One corresponds to the aggregated features via avg and max, and the other corresponds to the aggregated features with sum. Therefore, the model owns a reasonable interpretation. Conclusively, the aggregated features with sum, avg, max are significantly effective for software defect prediction, and the regression model based on the selected features by MIC has some advantages.     

软件统计测试的比较和改进

针对软件统计测试中随机测试和分域测试的优劣问题，章对这两种测试方法进行了全面的比较，从理论上证明了分域测试优于随机测试。并根据软件验收的实际情况，提出了一种改进的软件测试方法，该方法有较好的测试效率。     

基于Kohonen网络的激光超声缺陷探测研究

在激光超声缺陷检测技术中,不同类型缺陷采样信号的准确分类至关重要.针对激光超声表面波实验采样信号高维小样本的特点,采用了一种有监督学习的Kohonen神经网络(S_Kohonen)自适应分类方法.在S_Kohonen网络自组织学习的过程中,通过改进网络的学习率提高了网络的收敛速度.通过采用一种无需邻域半径判断的自适应权值调整方式来实现竞争层神经元权值不同程度的调整,从而更有效的表征输入样本的分布特征.通过对不同类型缺陷探测样本的多次实验,验证了所述方法具有良好的分类预测效果,多次交叉验证分类正确率均能达到100%.     

基于Markov的模块化电传操纵系统软件可靠性模型

电传操纵系统是影响飞行安全的关键系统,建立有效的电传操纵系统软件可靠性模型是软件可靠性测试和验证的基础.针对某型飞机系统安全性设计中横向通道电传操纵系统软件可靠性建模问题,建立了模块化的基于Markov的电传操纵系统软件可靠性模型.提出了综合考虑重要度和复杂度的软件可靠性指标分配方法,将可靠性目标分配到子模块.最后,通过实例验证了所建立的模型和指标分配方法的有效性.     

基于状态空间的武器装备作战需求模型

以武器装备作战需求为分析对象,构建了数量与战技性能的状态空间和一般作战流程,描述了基于跳跃强度和状态概率的作战需求表达式,解决了作战任务与武器装备之间的映射规则问题。     

基于非适应性组合群测的多路存取信道模型的构作

在多路存取信道中当前用户的信息传输是计算机通信网络的一个重要内容,基于组合群测理论构作了多路存取信道模型,介绍了它在多路存取信道中当前用户信息传输方面的应用.     

基于语言评价值的多属性决策模型研究

针对武器研制论证方案评估中存在的模糊语言评估值,建立了基于语言评价值的决策矩阵,采用语气算子之间的相互运算得到方案的综合属性值;并根据综合属性值对各方案的优劣进行排序,从而得到合适的论证方案.最后的算例证明了模型的可行性和可靠性.     

软件可靠性模型和估计

本文根据何国伟提出的软件可靠性模型,特别是输入空间和输入分布的概念,分析软件测试数据特征,给出软件可靠性的点估计和置信下界的计算公式。     

基于多属性群决策的软件可靠性模型选择方案

基于模型评价准则的属性值和专家经验的偏好信息进行软件可靠性增长模型的选择,可归结为多属性群决策问题.模型评价准则的主观专家偏好可利用层次分析方法将其量化得到其主观排序权重;基于失效数据的模型评价准则的计算数据可利用熵权法获得客观排序权重.综合两种权重可得到既能反映专家经验又能综合实际软件可靠性测试数据的模型评价方案.实例分析表明该方案具有合理性和可行性.