吴晓萍
- 作品数：2 被引量：20H指数：2
- 供职机构：兰州大学数学与统计学院更多>>
- 发文基金：中央高校基本科研业务费专项资金教育部留学回国人员科研启动基金国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于LASSO-LARS的软件复杂性度量属性特征选择研究被引量：5
- 2013年
- 针对软件可靠性早期预测中软件复杂性度量属性维数灾难问题,提出了一种基于最小绝对值压缩与选择方法(The Least Absolute Shrinkage and Select Operator,LASSO)和最小角回归(Least Angle Regression,LARS)算法的软件复杂性度量属性特征选择方法。该方法筛选掉一些对早期预测结果影响较小的软件复杂性度量属性,得到与早期预测关系最为密切的关键属性子集。首先分析了LASSO回归方法的特点及其在特征选择中的应用,然后对LARS算法进行了修正,使其可以解决LASSO方法所涉及的问题,得到相关的复杂性度量属性子集。最后结合学习向量量化(Learning Vector Quantization,LVQ)神经网络进行软件可靠性早期预测,并基于十折交叉方法进行实验。通过与传统特征选择方法相比较,证明所提方法可以显著提高软件可靠性早期预测精度。
- 周雁舟乔辉吴晓萍邵楠惠文涛
- 关键词：LVQ神经网络
- 基于LASSO-SVM的软件缺陷预测模型研究被引量：16
- 2013年
- 针对当前大多数软件缺陷预测模型预测准确率较差的问题,提出了结合最小绝对值压缩和选择方法与支持向量机算法的软件缺陷预测模型。首先利用最小绝对值压缩与选择方法的特征选择能力降低了原始数据集的维度,去除了与软件缺陷预测不相关的数据集;然后利用交叉验证算法的参数寻优能力找到支持向量机的最优相关参数;最后运用支持向量机的非线性运算能力完成了软件缺陷预测。仿真实验结果表明,所提出的缺陷预测模型与传统的缺陷预测模型相比具有较高的预测准确率,且预测速度更快。
- 吴晓萍赵学靖乔辉刘东梅王志
- 关键词：软件缺陷预测支持向量机
