国家自然科学基金(90718024)
- 作品数：4 被引量：18H指数：3
- 相关作者：宋擒豹沈钧毅何亮海振张琦更多>>
- 相关机构：西安交通大学西北大学更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划中国博士后科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- Web服务动态组合中QoS计算方法研究被引量：3
- 2011年
- 通过在Web服务动态组合中引入形式化的服务质量(QoS)描述、服务提供商因子、服务消费者因子,提出基于层次分析法的QoS计算方法。该方法根据服务消费者期望值选择QoS因子,利用QoS权重值计算Web服务的质量,在此基础上给出一个基于QoS计算的Web服务组合模型,并通过实例计算,证明利用该QoS计算方法可以得到更高质量的增值服务。
- 张琦侯红
- 关键词：服务质量层次分析法
- 基于Boosting的集成k-NN软件缺陷预测方法被引量：7
- 2012年
- 软件缺陷预测是改善软件开发质量,提高测试效率的重要途径.文中提出一种基于软件度量元的集成k-NN软件缺陷预测方法.首先,该方法在不同的Bootstrap抽样数据集上迭代训练生成一个基本k-NN预测器集合.然后,这些基本预测器分别对软件模块进行独立预测,各基本预测值将被融合生成最终的预测结果.为判别新的软件模块是否为缺陷模块,设计分类阈值的自适应学习方法.集成预测结果大于该阈值的模块将被识别为缺陷模块,反之则为正常模块.NASAMDP及PROMISEAR标准软件缺陷数据集上的实验结果表明集成k-NN缺陷预测的性能较之广泛采用的对比缺陷预测方法有较明显的提高,同时也证明软件度量元在缺陷预测中的有效性.
- 何亮宋擒豹沈钧毅
- 一种新的组合k-近邻预测方法被引量：4
- 2009年
- 针对传统是一近邻（k-NN）算法基于单一k值预测难以兼顾不同样本的个性，从而导致总体预测精度不够理想的问题，提出了一种组合Bk-NN预测方法．首先通过Boosting理论建立了个性化预测模型集，然后分别采用每个模型对样本进行独立预测，最后各模型预测值的加权和将作为最终预测结果．Bk-NN预测充分考虑了不同类型的样本可能要求不同的预测模型与之相适应的情况，有效降低了预测误差．与其他方法不同的是，Bk-NN预测对数据集的属性类型没有特殊要求．在标准数据集上的实验结果表明，Bk—NN预测精度比传统k—NN方法平均提高了6．44％～15．25％．
- 何亮宋擒豹沈钧毅海振
- 基于Bagging的组合k-NN预测模型与方法被引量：4
- 2010年
- k-近邻方法基于单一k值预测,无法兼顾不同实例可能存在的特征差异,总体预测精度难以保证.针对该问题,提出了一种基于Bagging的组合k-NN预测模型,并在此基础上实现了具有属性选择的Bgk-NN预测方法.该方法通过训练建立个性化预测模型集合,各模型独立生成未知实例预测值,并以各预测值的中位数作为组合预测结果.Bgk-NN预测可适用于包含离散值属性及连续值属性的各种类型数据集.标准数据集上的实验表明,Bgk-NN预测精度较之传统k-NN方法有了明显提高.
- 何亮宋擒豹海振沈钧毅
- 关键词：BAGGING
