基于稳健回归技术的软件成本估计方法

随着软件系统规模的不断扩大和复杂程度的日益加大,人们经常对软件成本估算不足,造成了各种严重的软件危机.本文分析了面向数据挖掘的普通最小二乘法和稳健回归两种回归技术在软件成本估计应用中的准确性,提出了稳健回归的软件成本估计方法.     

基于稳健回归技术的软件成本估计方法

随着软件系统规模的不断扩大和复杂程度的日益加大,从20世纪60年代末期开始,出现了以大量软件项目进度延期、预算超支和质量缺陷为典型特征的软件危机。在对软件项目进行估算时,通常情况下能得到相关软件组织或软件产品的某些历史数据,充分利用这些历史数据对预测与估算软件项目是很有帮助的。稳健回归分析（RRA）,就是这样一种相当常用与有效的数据驱动方法。在比较、回顾一些稳健回归分析研究成果的基础上,重点解决了软件成本估算数据用传统回归分析存在的问题,并有效地解决了由于异常数据存在而产生的掩蔽效应。同时尝试提出在软件成本数据估算中运用稳健回归方法进行系统而全面的仿真实验分析,发现该方法能有效地解决异常数据的掩蔽效应,得到比较满意的结果。     

半参数回归模型中基于稳健散布阵的参数估计

基于稳健M-估计所得到的散布矩阵,给出了半参数回归模型中回归参数β的稳健估计,并证明了估计量的强相合性以及渐近正态性.     

稳健的深度加权小波估计

在非参数回归模型中,原有的回归估计对于数据的扰动不稳健,为避免此问题,文章给出一种称为深度加权回归模型的新的非参数回归模型,并且定义了一种深度加权小波估计,这种新的估计对于数据的扰动是稳健的,有非常高的崩溃值,其值接近1／2．     

基于分位数回归的企业债信用风险研究

将非参数GARCH模型的方差方程取对数变换后所得的模型用于估计企业债利差波动率。针对模型误差的非对称性，利用更为稳健的分位数回归方法估计改进后的非参数可加GARCH模型。实证分析结果表明，改进后的模型对波动率的估计更为有效；分位数回归方法比最小二乘回归方法能更有效的克服模型误差的非正态影响，对异常值的敏感程度更低，是一种非常稳健的估计方法。     

基于稳健回归的颗粒物浓度预测研究

针对广州2014年9月至2016年12月的空气污染物浓度及气象因素数据,分别以常用稳健方法中的S估计、M估计、MM估计、MCD估计和传统的OLS估计建立回归模型,对颗粒物污染进行预测研究.结果表明,相对于传统方法,稳健估计对污染数据具有更好的适应性,而MCD估计在各种污染比例下的预测效率均最优.     

GARCH模型的二次加权复合分位数估计

基于复合分位数回归理论对GARCH模型提出更加稳健有效的二次加权复合分位数回归(BWCQR)估计，讨论了该估计权重的数值解及其大样本性质.数值模拟显示，当扰动项为厚尾分布时所提出的BWCQR估计明显优于传统的类极大似然(QMLE)估计、分位数回归(QR)估计和复合分位数回归(CQR)估计.应用BWCQR方法建立股指的波动率系统，进一步验证了BWCQR估计在实践意义下的竞争性.     

基于模态回归的半参数部分线性模型的稳健估计

以半参数部分线性模型为对象,研究了基于模态回归的稳健估计方法。非参数部分采用B样条近似,在模型的回归中通过控制核函数的带宽来实现估计的稳健性,结合局部二次算法(LQA)和模型期望值最大化算法(MEM),提出EM估计算法,得到了参数估计以及非参数部分估计的收敛速度。通过蒙特卡洛模拟和实例分析,验证了本文方法的有效性。     

稳健回归分析在斜拉桥温度效应分析中的应用

在桥梁施工过程中,桥梁各构件温度变化对主梁应变的作用机理是复杂的,同时因现场所采数据精度受现场环境因素影响较大,以致在研究桥梁系统温度与桥梁各构件温差对主梁应变作用的规律时增加了难度。为掌握其规律以便预测箱梁的温度效应,基于稳健最小二乘估计理论,建立关于主梁应变与各构件温差的稳健回归模型,对其进行计算分析。结果表明,稳健回归分析具备抗差性,其相应模型拟合优度较好,与多元线性回归分析相比,稳健回归分析在桥梁应变监测应用中效果较好。     

缺失数据下局部M-估计的相合性和渐近正态性

在缺失响应变量的不完全数据下,对非参数回归模型进行研究,利用稳健的变窗宽局部线性回归的方法,给出了回归函数m(x)的估计,并证明了局部M-估计具有相合性和渐近正态性.所提出的方法继承了局部多项式回归的优点并且克服了最小二乘方法缺乏稳健性的缺点.并且使用变窗宽提高了所得M-估计的可塑性,使之能成功地处理空间非齐次曲线、异方差性及非均匀设计密度.所得估计的渐近结果为求渐近最优方案以及直接从数据估计最优变窗宽提供了理论基础.     

软件可靠性费用估算方法研究

就软件成本估算中的与软件可靠性相关的费用评估方法作了介绍,总结了仿真法、软件测试时间模型法、关系式回归法、人工智能方法的基本原理、理论依据和操作方法.使与软件可靠性有关的费用评估更接近实际.     

软件成本数据的相似性度量

软件成本数据常常表现为高维混合属性数据,传统的相似性度量已不再适用.文中通过建立软件成本数据的高维模糊C均值(FCM)聚类算法对数据相似性进行度量.首先,定义由序数属性到数值属性的初始映射;然后,通过建立改进的迭代高维FCM聚类算法对序数 数值映射进行修正,优化聚类效果;最后,利用得到的模糊划分矩阵对软件成本数据的相似性进行度量.实验结果表明,通过对聚类效果进行优化,文中定义的相似性度量能够提高软件成本估算精度.     

基于BIM的建筑产品概念设计阶段成本估算

如何较准确地在概念设计阶段估算成本并及时反馈给设计人员,目前,人们只从理论上提出了多元回归分析、神经网络等方法,缺乏成本与设计协同起来的业务运作集成环境,也缺乏实际的技术平台。以参数化设计软件为技术平台,建立参数化的建筑信息模型BIM,利用其编程接口(API)或开放式数据库连接(ODBC)等方式,将工具软件、数据库、功能分析软件、决策模块等进行集成,构建成本与设计协同的运作环境,使得成本估算的理论方法得以真正进入设计流程,具有了实用性。     

基于强局部加权回归算法的软件老化趋势提取

针对软件老化引起系统资源损耗、系统性能恶化以及软件失效的现象,提出利用强局部加权回归算法进行软件老化趋势的提取方法.该方法利用强局部加权回归算法对系统资源的损耗过程进行提取,得到软件老化的趋势估计,建立软件老化模型.从而可为由于软件老化所引起的软件失效提供前期预测,为系统软件的及时维护提供科学依据.通过对一实际软件系统的实验分析,验证了该方法的可行性和有效性.     

提高估算软件成本精度的方法研究

指出已有的软件成本估算方法中的问题,提卅采用模糊神经网络方法构建软件成本的快速估算模型来提高估算精度。将60个软件项目的相关数据作为样本,分别对神经网络和模糊神经网络两种系统进行训练。将两种模型的训练和估算结果进行比较．结果显示模糊神经网络模型在软件成本估算上比神经网络模型具有更高的学习效率和估算精度。     

一种基于鲁棒估计的自适应图像平滑方法

基于鲁棒统计理论,提出一种新的保持图像边缘的图像平滑算法.将图像滤波与平滑转化为一个分段常数模型的鲁棒估计问题.并由此导出基于分段常数模型的尺度自适应鲁棒滤波器.为了自动确定鲁棒滤波器的最优尺度参数,使用直方图分析,结合非参数统计的方法来确定各点的鲁棒尺度参数.该算法可以在平滑图像的同时,保持原始图像中的边缘结构.实验表明,该算法平滑图像的效果,明显优于固定尺度的平滑算法.     

一种基于稀疏重构的NB-IoT时延估计算法

针对传统的时延估计算法无法解决窄带物联网(narrowband internet of things, NB-IoT)低速率低功耗引起的估计精度低、计算复杂度高等问题,提出一种加入代价函数模型的基于稀疏重构的时延估计算法。利用窄带定位参考信号(narrowband positioning reference signal, NPRS)与传统的正交匹配追踪算法(orthogonal matching pursuit,OMP)进行时延值预估计,然后根据预估计的时延值构建冗余字典,在此基础上利用改进的OMP算法进一步对时延值进行估计。该算法中加入代价函数的思想将多维的时延估计降维成多个一维的时延估计,同时利用稀疏重构来消除各信号之间的干扰。另外,为了消除降维带来的局部最优的问题,合理设置软门限来有效并快速地终止代价函数模型的迭代过程。仿真结果表明,与OMP算法等传统时延估计算法相比,该算法具有更好的检测性能以及更高的时延估计精度。     

软件成本估算工具的设计与实现

介绍了软件成本估算工具的设计和实现过程。通过该工具可以将现实项目的数据输入估算模型,通过模型的计算得以估算后的成本数值。通过数次与现实成本数据的对比以及对误差的分析,可以进一步对成本驱动因子进行调整,以提高估算的准确性。