基于主动学习的跨项目软件缺陷预测方法

通过软件缺陷预测可以有效地提高软件测试效率,保证软件产品的质量。针对新开发的项目面临训练数据不足,标注代价高以及源项目与目标项目的缺陷模式难以匹配的问题,提出基于主动学习的跨项目软件缺陷预测方法。首先使用主动学习方法对目标项目进行筛选标注,其次将得到的标签集与跨项目数据进行数据融合和模式匹配,最后构建跨项目软件缺陷预测模型。采用真实的软件缺陷数据进行实验,与传统方法比较性能有所提升。结果表明该方法可以通过模式匹配有效提高跨项目软件缺陷预测模型的性能。     

基于迁移学习的软件缺陷预测方法研究

针对传统的软件缺陷预测方法难以在单独的项目中利用小规模训练数据的问题,提出了一种基于迁移学习的软件缺陷预测技术,利用已有的项目辅助新项目的预测.该方法在源项目和目标项目之间寻找一个公共特征空间,使得在公共特征空间上2个项目的数据分布距离最小.在这个公共空间进行模型训练,以达到迁移分类的效果.实验结果显示该方法相对传统的缺陷预测算法有更好的预测性能,并且充分利用了原始训练数据,可以更高效地运用于各种软件缺陷预测任务.     

基于个性化情境和项目的协同推荐研究

为提高基于项目的协同过滤推荐SlopeOne算法的预测结果,在算法的项目相异性计算和评分预测过程中引入个性化情境因素.首先对基于项目的协同推荐方法进行综述,然后针对不同情境下的评分记录进行项目间相异性计算,根据此结果计算检验集中的项目在不同情境下的预测评分,并以预测结果为依据为每个用户得到个性化情境,进而为用户对新的资源项目进行评分预测.最后在标准的Movielens数据集上进行实验,其中,U2的训练集和测试集用来训练个性化情境,其他数据集用来检验算法的预测结果.通过对改进的推荐算法与经典的基于项目的协同过滤算法SlopeOne进行比较,实验数据表明改进后算法的推荐结果有较大提高.     

基于SSDBSCAN的跨项目缺陷预测数据筛选方法

针对跨项目软件缺陷预测中大量不相关的跨项目数据损害了缺陷预测模型性能的问题,提出了一种基于SSDBSCAN(semi-suppervised density-based clustering)的跨项目缺陷预测数据筛选方法——SSDBSCAN filter.首先,SSDBSCAN filter结合少量带类标号的本项目历史数据、跨项目历史数据和大量不带类标号的本项目数据;然后,利用SSDBSCAN算法对这些数据进行聚类发现子簇;最后,收集子簇中的跨项目数据,不属于任何簇的跨项目数据被作为噪声数据而丢弃.实验使用15个公开的PROMISE数据集,3种分类器和4种性能度量指标.实验结果表明,相比于目前已有的Burak filter和DBSCAN filter方法,SSDBSCAN filter在提高了预测率的同时降低了误报率,且G-measure与AUC度量值更佳.     

计算训练法在自行车短距离项目训练中的应用

计算训练法在自行车短距离项目训练中能明显直观地表达出运动员完成训练的情况,为教练员充分了解运动员的训练情况,身体状况和制定下一阶段的训练,预测比赛成绩提供参考数据。     

面向问答领域的数据增强方法

针对当前自动问答数据增强方法需要大量外部数据的问题,提出一个面向问答模型缺陷的数据增强方法.首先,在训练集上训练好问答模型、问题生成模型以及问答匹配模型;然后,获取问答模型在训练集上预测的所有答案,并选取其中预测错误的答案;再后,使用问题生成模型对这些答案生成相应问题;最后,通过问答匹配模型对生成的问答对进行过滤,保留...     

基于矩阵分解的电力物资需求预测

准确预测变电站及配网工程的物资需求,对于节约工程成本,提高资金利用率,具有重要意义.尽管研究者在电力物资需求预测方面已经开展了一系列的研究,提出了很多预测模型和算法,例如基于神经网络的算法,然而,这些算法普遍存在输入数据过于简单和理想、仅对少数几种物资的需求量进行了预测实验、预测的准确率偏低等不足.因此,目前生产系统普遍采用人工方式进行电力物资需求预测,由有经验的领域专家根据工程初步设计方案预测各类物资的需求量.为了解决现有电力物资需求预测方法存在的不足,本文提出基于矩阵分解的预测方法,以电网建设项目物资需求历史数据和项目计划的部分物资作为输入,通过矩阵分解算法对项目其他物资需求用量进行预测.矩阵分解算法不需要大量的历史用量数据,只用部分项目的物资数据就能进行预测,且算法不需要提前进行训练.     

校园定向运动项目拓展训练研究

研究了校园定向运动项目拓展训练的途径与方法,与常规定向运动比较,拓展训练的内容,不仅可以弥补常规定向运动项目的缺陷,而且能够为体育育人、提升体育品位、拓宽体育空间和实现体育的全面教育服务。     

基于极限学习机的上证指数预测与分析

针对证券指数具有随机性、时变、波动性较大、非线性等特点,传统线性预测方法预测精度低等缺陷,提出了一种基于极限学习机的证券指数预测方法。极限学习机克服了BP神经网络的训练速度慢、过拟合、局部极值等缺陷,具有训练速度快、全局最优和泛化能力优异等优点。采用1991~2013年上证指数对算法性能进行训练,2014年数据做测试,对100个测试数据仿真结果表明,复相关系数高达0.9935,极限学习机是一种预测精度高、误差小的证券指数预测算法,预测结果可以为用户提供有价值的参考意见。     

对电力安装企业项目成本指标测算的探讨

本文对电力安装项目成本、施工临建和生活临建设施及施工现场管理等费用的测算进行了探讨。为符合电力施工企业内部成本指标各项数据值确定方式,以保证电力安装项目成本指标各项值的预测方式,在运用中使企业逐步适应市场预测和竞价中标率的需要。     

基于邻近项目的Slope One协同过滤算法

协同过滤是个性化推荐系统中的常用技术,数据稀疏性是影响协同过滤算法预测准确度的主要因素。提出了改进的Slope One算法,在该算法中,首先根据用户历史评分计算项目间相似性,然后依据项目相似性选取当前活跃用户评价过的k个相似项目记为邻近项目集合,并计算目标项目与其邻近项目的评分偏差,最后以项目间相似性为权重,计算当前活跃用户对目标项目的评分预测值。该算法使用邻近项目进行计算,降低数据的稀疏性,同时减少了计算量。使用标准MovieLens数据集对该算法的预测结果进行验证,结果表明：相对于原算法,该算法提高了预测的准确性,与其他协同过滤算法相比,推荐准确度也有明显的提高。     

三次样条插值对人工神经网络预测软土固结精确度的影响

软土固结会引起漫长的地基沉降。人工神经网络(ANN)是预测地基沉降的一种常用工具。为了进行预测,需要使用一定的前期沉降观测数据训练ANN。采用两类训练方法:一类是直接使用观测数据训练网络,这是普通方法;一类是在观测数据中借助三次样条插值(CSI)技术进行等时距插值,然后一并利用观测数据和插值训练网络。三次样条插值是通过求解三弯矩方程组,在曲线的非连续数据点之间形成填充数据的技术。借助Mat Lab的函数Spline,可以完成插值计算过程。结果发现,在不同固结阶段进行预测,引入CSI插值训练的网络预测准确度均高于直接用观测数据训练的网络。这一发现,对于工程实践具有重要意义。     

基于项目传递打分和项目预测的协同过滤推荐

针对目前协同过滤中数据极端稀疏的问题,提出利用项目之间的传递打分来填充项目评分矩阵.在用户评分矩阵和项目矩阵的基础上使用项目预测的方法来降低稀疏性,提高推荐效率,并利用推荐算法产生推荐项目序列.最后,通过试验证明了该方法的可靠性和准确性.     

基于数据集扩充的即时软件缺陷预测方法

即时软件缺陷预测针对项目开发与维护过程中的代码提交来预测是否会引入缺陷。在即时软件缺陷预测研究领域,模型训练依赖于高质量的数据集,然而已有的即时软件缺陷预测方法尚未研究数据集扩充方法对即时软件缺陷预测的影响。为提高即时软件缺陷预测的性能,提出一种基于数据集扩充的即时软件缺陷预测(prediction based on data augmentation,PDA)方法。PDA方法包括特征拼接、样本生成、样本过滤和采样处理4个部分。增强后的数据集样本数量充足、样本质量高且消除了类不平衡问题。将提出的PDA方法与最新的即时软件缺陷预测方法(JIT-Fine)作对比,结果表明：在JIT-Defects4J数据集上,F₁指标提升了18.33%;在LLTC4J数据集上,F₁指标仍有3.67%的提升,验证了PDA的泛化能力。消融实验证明了所提方法的性能提升主要来源于数据集扩充和筛选机制。     

关于电力安装项目成本指标测算方法的探讨

当前电力安装施工项目的招标过程中,并不是在理想化,或具备完整的设计施工图条件下的工程量清单报价过程。寻求一条符合电力施工企业内部成本指标各项数据值确定方式,以保证电力安装项目成本指标各项值的预测方式,在运用中使企业逐步适应市场预测和竞价中标率的需要。本文对电力安装项目成本指标测算方法进行了探讨。     

浅谈核心力量训练对赛艇项目水平发挥的作用

近年来,我国体育事业有了迅猛的发展,在奥运会、各类世锦赛、亚运会等大型体育赛事中获得了很好的成绩。竞技项目离不开力量的训练,赛艇运动中力量训练就是其核心训练内容。作为依靠肌肉力量的运动项目,力量素质的训练是赛艇中的基础项目,不同的力量训练方法会产生不同的效果,而不同的运动员又需要有针对性的力量训练相匹配,核心力量训练对赛艇项目水平提升的作用也越来越明显。该文对核心力量训练的内涵以及赛艇中核心力量的训练方法及作用都进行详尽阐述。     

对篮球运动元素融入拓展项目设计开发的理论探索

拓展训练起源于二战时期的英国,90年代才传入中国大陆。目前,全国许多城市都已经有了专业且呈规模的拓展公司,国内部分高校也逐步开始把拓展训练引入到高校的体育课程当中去,受到广大师生的好评和欢迎。然而从事拓展训练的行业同时也面临着一个严峻的问题,那就是在客户的二次开发时,传统的拓展项目已经不能满足客户的需求,开发一些新的拓展项目就变得迫在眉睫。     

基于超球的支持向量机增量学习算法

支持向量机方法已经成功地应用于解决分类和回归问题,但是在训练支持向量机时需要求解二次规划问题,使得支持向量机的训练时间过长,训练样本量越大,这个缺陷越明显.将超球方法与回归支持向量机相结合,提出一种增量学习的新方法.该方法使用两个同心超球缩减训练集,以达到提高训练速度的目的.通过分析表明,这种新的增量学习方法较普通支持向量机训练方法有较低的计算复杂度.实验结果表明,该算法可以在不降低预测准确性的同时减少大量建模时间.     

关于电力安装项目成本指标测算方法的探讨

当前电力安装施工项目的招标过程中，并不是在理想化，或具备完整的设计施工图条件下的工程量清单报价过程。寻求一条符合电力施工企业内部成本指标各项数据值确定方式，以保证电力安装项目成本指标各项值的预测方式，在运用中使企业逐步适应市场预测和竞价中标率的需要。本文对电力安装项目成本指标测算方法进行了探讨。     

协同过滤中一种项目综合相似度计算方法

协同过滤算法作为一种成功的个性化推荐技术已经被应用到很多领域,但是由于协同过滤算法所使用的用户-项目评分矩阵一般都非常稀疏,导致该算法推荐效果一直较差。文章在考虑了用户相似喜好、项目平均得分的差异性和方差等因素基础上,提出了一种项目间综合相似度计算方法JAV Weighted Model,通过在MovieLens数据集上的实验表明本文方法在预测精度上与已有方法相比有一定的提高。