基于支持向量机的软件缺陷预测模型

软件缺陷预测在软件系统开发的各个阶段发挥着极为重要的作用。利用机器学习的相关方法建立更好的预测模型已经被广泛研究。文章分析了支持向量机SVM作为二值分类模型应用到软件缺陷预测中的实现方法,构造了基于SVM的可迭代增强的缺陷预测模型SVM-DP。在13个基准数据集上开展比较实验,定量地分析了应用各种核函数对SVM-DP模型性能的影响。实验结果显示,应用线性内积核函数的SVM-DP具有最优的预测性能。同时,在与J48的比较实验中,最高超过J48预测模型20%的性能进一步证明了SVM-DP模型应用于软件缺陷预测的有效性。

数量分类中试验数据的函数变换

依据数量分类学原理对数量分类中试验数据的函数变换的必要性进行了分析.给出了常用的试验数据函数变换方法,确定了对试验数据进行函数变换的一般原则.

数学方法在顶煤冒放性评价中的应用

涡北矿8#煤层采用综采放顶煤开采工艺,为对其冒放性进行评价和分类,以8203工作面为例,采用开采深度、煤层厚度和强度、夹矸厚度和强度、裂隙发育程度作为评价因素,综合运用模糊数学分类法、函数计算分类法和层次分析等数学方法对顶煤的冒放性进行评价。经过分析评判及现场观测,得出该矿8#煤层的冒放性极好。