Software Defect Prediction Using Fuzzy Integral Fusion Based on GA-FM

The fuzzy measure and fuzzy integral are applied to the classification of software defects in this paper. The fuzzy measure of software attributes and attributes＇ sets are treated by genetic algorithm, and then software attributes are fused by the Choquet fuzzy integral algorithm. Finally, the class labels of soft- ware modules can be output. Experimental results have shown that there are interactions between characteristic attributes of software modules, and also proved that the fuzzy integral fusing method using Fuzzy Measure based on Genetic Algorithm （GA-FM） can significantly improve the accuracy for software defect prediction.

基于遗传算法的主动油气悬架分层控制

根据主动油气悬架系统执行机构的动态特性,采用分层控制策略设计了有限带宽主动油气悬架系统上、下层控制器.基于遗传算法(GA)对模糊PID上层控制器的参数进行了优化设计,通过在线评价车辆动力学指标,决定是否启动GA在初期最优可行域附近优化当前上层控制器参数,以保证车辆在行驶路况或自身参数变化等情况下仍获得较好的控制效果.将搭建的主动油气悬架系统控制模块施加于整车多体系统动力学模型进行联合仿真计算,结果表明,所设计的主动油气悬架系统可显著改善车辆行驶平顺性,并且具有较强的鲁棒性和自适应能力.

基于模糊积分和遗传算法的分类器组合算法

将多个分类器进行组合能提高分类精度。基于模糊测度的Sugeno和Choquet积分具有理想的特性,因此该文利用其进行分类器组合。然而在实际中难以求得模糊测度。该文利用两种方法求取模糊测度,一是分类器对样本数据的分类能力,另一种是根据遗传算法。这两种方法均考虑了每个分类器对不同类的分类能力不同这一经验知识。实验中对UCI中的几个数据库进行了测试,同时将该组合方法应用于一多传感器融合工件识别系统。测试结果表明了该算法是一种计算简便、精度较高的分类器组合方法。

基于遗传算法和模糊积分的多分类器集成

多分类器联合是解决复杂模式识别问题的有效办法。模糊积分是其中一种多分类器联合方法。但是对于模糊积分 ,如何计算模糊积分密度是一个尚未解决的问题。本文提出了一种基于模糊积分和遗传算法的分类器集成方法 ,该方法利用遗传算法计算模糊积分密度函数 ,再利用模糊积分把分类器输出信息联合起来。实验结果表明 。

一种具有参数学习能力的决策融合方法

提出了一种基于模糊积分方法的多决策融合算法，通过对训练数据的学习来确定每个传感器的重要程度．分类实验表明，该算法可以有效提高融合系统的分类率．

基于遗传模糊推理的自适应UKF组合测姿滤波算法

针对常规UKF在组合测姿中自适应性不足的问题,提出一种基于遗传模糊推理的自适应UKF组合测姿滤波算法。首先建立了基于模糊推理的自适应UKF,利用模糊推理系统对组合测姿系统的量测噪声统计特性进行调整,以实现状态的准确估计。然后利用遗传算法对模糊推理系统的隶属度函数参数进行了离线优化,以提高系统精度。最后以陀螺仪、加速度计和磁强计组成的组合测姿系统进行了实验。实验结果表明,基于遗传模糊推理的自适应UKF在量测噪声变化时仍能保持较好的测量精度,具有较强的自适应能力。

基于极速学习的Choquet模糊积分分类器

在交互环境下,模糊积分分类器具有良好的分类性能.如何确定在属性集幂集上定义的模糊测度是模糊积分分类器中的一个关键问题.当属性的个数增加时,计算复杂度呈指数级增长.为了解决这一问题,借鉴极速学习机算法中权重向量随机确定的思想,提出了ELM-Choquet模糊积分分类器.实验结果表明,和Choquet模糊积分分类器相比,该算法具有较优的分类性能.

模糊积分分类器中的积分类型选择

与其它分类器相比,模糊积分分类器不仅可以表示各个特征属性的权重,而且可以表示它们之间的交互作用。因此,在具有交互作用的环境下,模糊积分分类器具有明显的优势。适用于分类的模糊积分主要有Sugeno积分、Choquet积分、上积分和下积分等。模糊积分类型的选择是模糊积分分类器中的关键问题之一。在实际应用中,选取何种模糊积分都是事先指定的。本文从四种模糊积分的定义和相互关系出发,结合四种模糊积分分类器的数值实验结果,得出了一条有益的结论。适用于分类的模糊积分选择次序依次为Choquet积分、下积分、上积分、Sugeno积分。

基于蚁群算法求解Choquet模糊积分模型

为了提高Choquet模糊积分模糊测度的搜索效率,提出改进的蚁群算法求解模型。根据特征数量构建Choquet模糊积分模型,搜索过程中对每只蚂蚁按状态转移概率进行全局搜索或局部搜索,迭代搜索最优解,并由Fisher判别进行分类。试验使用3组癌症基因数据集,利用R语言的Bioconductor工具箱进行数据预处理,并分析对比新模型和主流算法的分类效果。结果表明:在DLBCL数据集和Colon数据集中,基于蚁群算法的Choquet模糊积分得到最好的分类效果;在Prostate数据集中,虽然和基于遗传算法的Choquet模糊积分分类效果接近,但是蚁群算法仍然很快收敛,改进的蚁群算法可以作为求解模糊测度的快速方法。