【摘 要】
:
为了提高软件缺陷预测的准确率,利用布谷鸟搜索算法(Cuckoo Search,CS)的寻优能力和人工神经网络算法(Artificial Neural Network,ANN)的非线性计算能力,提出了基于CS-ANN的软件缺陷
【机 构】
:
云南大学软件学院,云南大学云南省软件工程重点实验室
【基金项目】
:
国家自然科学基金资助项目(61379032,61462091,61262025);云南省教育厅科学研究基金资助项目(2015Z018);云南大学博士科研启动项目(XT412004)
论文部分内容阅读
为了提高软件缺陷预测的准确率,利用布谷鸟搜索算法(Cuckoo Search,CS)的寻优能力和人工神经网络算法(Artificial Neural Network,ANN)的非线性计算能力,提出了基于CS-ANN的软件缺陷预测方法。此方法首先使用基于关联规则的特征选择算法降低数据的维度,去除了噪声属性;利用布谷鸟搜索算法寻找神经网络算法的权值,然后使用权值和神经网络算法构建出预测模型;最后使用此模型完成缺陷预测。使用公开的NASA数据集进行仿真实验,结果表明该模型降低了误报率并提高了预测的准确率,综合评
其他文献
新经济是建立在高科技知识和信息的生产、分配和使用之上的经济,基催涵是全球化、网络经济和知识经济。早在80年代前,科学技术的迅速发展已经显示了它在经济增长中的作用。进入
针对协同过滤算法中的新用户冷启动问题,提出了基于用户概要扩展的协同过滤算法(EUPCF)。算法采用一种新的加权朴素贝叶斯方法对新用户的概要进行局部扩展,然后使用扩展后的概要为新用户进行预测推荐,为预测项目提供更多近邻项目。新的加权朴素贝叶斯方法为每个条件属性独立计算后验概率,避免了传统方法中联合分布先验概率对数据稀疏度的敏感性问题,提高了扩展的准确度。Movie Lens数据集实验表明,新算法拥有
冠心病的早期无创性诊断一直是医疗诊断领域的研究热点,为了提高冠心病诊断的准确率和诊断效率,提出了一种新颖的局部Fisher判别分析(LFDA)特征提取方法和集成核极限学习机(KELM)相结合的冠心病诊断模型(LFDA-EKELM)。首先使用LFDA方法剔除不相关特征和冗余特征,找出对分类结果贡献度较高的特征子集,产生不同的训练集以训练粒子群优化的KELM分类器PSO-KELM;基于旋转森林(RF)
以带有时变时延的离散网络化控制系统为研究对象,研究了闭环系统的量化输出反馈耗散控制问题。引入两个对数量化器分别对系统中的测量输出信号和控制输入信号进行量化,利用扇形界方法,将量化反馈控制设计问题通过扇形界的不确定性转换为鲁棒控制问题进行求解。通过借助自由权矩阵方法,得到了非脆弱耗散控制器存在的充分条件。所设计的控制器能够保证闭环系统渐近稳定且严格(Q,R,S)-耗散。最后通过理论证明及数值仿真验证
建立社会主义公共财政框架,财政就必须有所为有所不为,从根本上解决“越位”、“缺位”问题,切实转变传统财源建设思路,全面创新财源建设导向机制,紧紧围绕经济欠发展这个主线,努力
传统的冯·诺依曼架构在处理语音等复杂信息时能效较低,神经形态电路更适合于语音等复杂信息的智能处理。常用的音频场景识别方式中的长时特征和短时特征都有其不足之处,卷积神经网络可通过训练提取适合后续分类任务的特征,在特征提取方面有更大的优势。针对四层的卷积神经网络的特征提取及分析方法在语谱图上进行了音频场景识别的研究,并验证了音频场景识别在神经形态电路—类脑计算芯片上的可实现性。
由于现今的网络缺乏源地址验证机制,导致多种依靠IP欺骗的恶意攻击时有发生。在DHCPv6场景中防止IP欺骗的源地址验证改进(SAVI)工作,目前正由互联网工程任务组(IETF)驱动,但尚未给出确切的源地址验证方法。为此,提出两个验证方法:改进的多比特Trie树算法和改进的哈希查找算法,实现了SAVI DHCPv6的仿真系统,并使用该系统进行不同验证方法的对比实验。结果表明,提出的两种改进方法比顺序
针对粒子传播过程中因欠缺观测信息而导致退化现象和异常粒子,提出一种基于试探采样的自反馈目标跟踪算法。该算法在当前帧完成采样后向前试探采样粒子,并且反馈到当前帧,此举是利用未来帧提前采样形式把观测信息融入到状态转移模型中,从而使概率密度分布逼近真实值。分析上下帧间粒子权值关系,舍弃异常元素,进行不完全重采样,在缓解退化问题的同时保持样本集多样性。目标状态估计采用加权—最大后验准则,提高了目标跟踪精确
针对车型种类复杂、车辆品牌繁多导致车型检索困难的问题,提出了基于深度特征编码的两级车辆检索方法。通过对深度卷积网络进行改进,构建适应车辆图像特征提取的深度卷积网络。采用两级检索策略以及相似性度量函数,有效地实现了车型和车辆品牌的检索。根据轿车、货车和客车三种车型的检索和车辆品牌的检索实验结果,表明该方法能够有效地提高车辆检索效率。