【摘 要】
：
为提高软件缺陷严重程度的预测性能,通过充分考虑软件缺陷严重程度标签间的次序性,提出一种基于有序回归的软件缺陷严重程度预测方法 ORESP。该方法首先使用基于Spearman的特征选择方法来识别并移除数据集内的冗余特征,随后使用基于比例优势模型的神经网络来构建预测模型。通过与五种经典分类方法的比较,所提的ORESP方法在四种不同类型的度量下均可取得更高的预测性能,其中基于平均0-1误差(MZE)评测
【机 构】
：
南通大学信息科学技术学院,南京大学计算机软件新技术国家重点实验室
【基金项目】
：
国家自然科学基金资助项目(61702041),南京大学计算机软件新技术国家重点实验室开放课题(KFKT2019B14)。
论文部分内容阅读
为提高软件缺陷严重程度的预测性能,通过充分考虑软件缺陷严重程度标签间的次序性,提出一种基于有序回归的软件缺陷严重程度预测方法 ORESP。该方法首先使用基于Spearman的特征选择方法来识别并移除数据集内的冗余特征,随后使用基于比例优势模型的神经网络来构建预测模型。通过与五种经典分类方法的比较,所提的ORESP方法在四种不同类型的度量下均可取得更高的预测性能,其中基于平均0-1误差(MZE)评测指标,预测模型性能最大可提升10.3%;基于平均绝对误差(MAE)评测指标,预测模型性能最大可提升12.
其他文献
双向长短时记忆(BiLSTM)及其变体能够处理可变长度序列,由于文本的复杂语义信息和文本数据嵌入维度的高维性,BiLSTM表现出低层次网络学习能力较弱,通过叠加网络层学习高层次的特征表示,容易出现网络退化问题。为解决这些问题,提出一种闭环BiLSTM模块用于丰富每一层网络结构隐状态的语义信息表示,同时采用残差连接和增强稀疏表示策略来优化模块,稀疏化隐状态特征向量减缓网络退化问题;最后利用加权融合的
由于一个评论往往会涉及多种方面类别及情感倾向,而传统注意力机制难以区分方面词和情感词的对应关系,从而影响评论同时存在多种方面类别时的情感极性分析。为了解决上述问题,提出了一种基于上下文感知的方面类别情感分类模型(MA-DSA)。该模型通过重构方面向量捕获句子中更多样且有效的语义特征,并将其融入上下文向量,然后将上下文向量通过DiSA模块进一步捕捉句子内部情感特征,确定方面词与情感词的关系,进而对指
针对蝴蝶优化算法存在的求解精度低、易陷入局部最优等缺陷,提出混合策略改进的蝴蝶优化算法。首先,利用Circle映射初始化蝴蝶个体的位置,增加初始个体的多样性;其次,在局部搜索阶段利用动态切换概率控制改进正弦余弦算法与蝴蝶优化算法的转换,充分利用少量的蝴蝶个体,增强算法的局部开发能力;然后,在全局和局部位置更新处引入自适应余切权重系数,控制蝴蝶个体下一代的移动方向和距离,提高算法的收敛速度和精度;最
针对目前云制造系统中存在的各参与主体间信任问题以及资源调度效率问题,研究了将区块链技术应用于云制造系统中。首先,阐述了区块链技术应用于云制造系统的意义,提出了一种基于区块链技术的云制造系统;其次,设计了基于智能合约的制造资源调度方式,构建制造成本最小、时间最短、合格率最高的资源调度模型并用差分进化算法进行求解;最后,进行实验仿真。结果表明,基于区块链技术的智能合约内进行资源调度方法在保证了系统内各
传统数据中心的负载均衡只追求资源利用的最大化,而忽略了不同类型任务对完成时间的需求是不同的,使得系统总体服务质量无法达到最佳。针对不同任务的需求差异,引入时间效用函数以表征不同类型任务的完成时间与服务质量的关系,并形式化定义了面向效用最大化的动态资源分配问题。由于该问题是NP难的,设计了一个利用任务优先关系的调度机制,其主要思想为将原问题分解为若干同构的小规模子问题,并利用任务间的优先关系,决策为
针对SMOTE(synthetic minority over-sampling technique)等基于近邻值的传统过采样算法在处理类不平衡数据时近邻参数不能根据少数类样本的分布及时调整的问题,提出邻域自适应SMOTE算法AdaN_SMOTE。为使合成数据保留少数类的原始分布,跟踪精度下降点确定每个少数类数据的近邻值,并根据噪声、小析取项或复杂的形状及时调整近邻值的大小;合成数据保留了少数类的
为使移动平均法预测技术的应用从专业化向大众化、人工化向智能化转变,在对一次移动平均模型进行改进之后,以预测的局部残差平方和最小为原则,设计出一种优选移动平均预测模型的Min-Min算法:首先,分别选出一次移动平均模型和二次移动平均模型各自的最优移动项数;然后,在最优的一次模型与最优的二次模型之间作出最优次数的选择;最后,基于优选出的移动平均模型对未来一期开展点预测和区间预测。同既有算法相比,本算法
不同于长文本,短文本信息量缺乏,在研究中通常难以获得丰富的语义特征并且难以提取完整的句法特征,因此短文本分类模型的分类效果有待提升。针对这个问题进行了研究,基于Res LCNN模型进行改进,引入神经主题模型,并融合多个神经网络输出特征进行分类。首先,通过神经主题模型提取主题来丰富短文本的信息;其次,将主题信息储存在记忆网络中,并与序列信息进行融合,丰富文本的表示;最后,将其输入具有残差结构的卷积神
能效优化是5G通信领域的一个研究热点。首先针对单小区多用户上行大规模MIMO通信系统,在满足用户QoS需求和系统可容忍的信道有效噪声条件下,建立关于发射功率、导频序列长度、基站天线数的能效优化模型;其次,不同于传统利用迭代算法求解使系统能效最佳的基站天线数,提出了采用Lambert W函数分析得到最佳基站天线数的闭式表达式;最后根据分式规划理论,采用迭代优化算法联合优化系统导频序列长度、发射功率、
在室内同时定位与建图(SLAM)的实际应用中,对称单一结构环境易造成激光SLAM错误建图,低质量光照或低纹理环境易造成视觉SLAM失效。针对上述室内退化环境,提出一种将激光、视觉、惯性测量单元(IMU)进行紧耦合的LVI-SLAM方法。在该方法前端,设计视觉评价环节对视觉信息置信度进行自适应调整;在该方法后端,进行位姿图优化以及多传感器回环抑制累积误差。视觉评价实验、单走廊实验以及大场景建图实验的