發(fā)布時(shí)間：2019-05-27 10:39

【摘要】：軟件工作量數(shù)據(jù)缺失是軟件工作估算的一個(gè)難題.本文在樸素貝葉斯模型和EM(expectation maximization)算法的基礎(chǔ)上,提出了針對(duì)軟件工作量數(shù)據(jù)缺失的處理方法.首先,本文介紹了數(shù)據(jù)缺失的內(nèi)在機(jī)理;然后,本文提出了基于樸素貝葉斯和EM算法的軟件工作量預(yù)測(cè)的方法;之后,本文提出了兩種軟件工作量數(shù)據(jù)缺失處理方法:容忍數(shù)據(jù)缺失方法和修復(fù)缺失數(shù)據(jù)方法;最后,本文利用ISBSG和CSBSG軟件工作量數(shù)據(jù)集驗(yàn)證了本文所提出的數(shù)據(jù)缺失處理方法.實(shí)驗(yàn)結(jié)果表明:本文所提出的兩種缺失數(shù)據(jù)處理方法的性能要優(yōu)于MINI修復(fù)方法結(jié)合SVM的分類模型;修復(fù)缺失數(shù)據(jù)方法的預(yù)測(cè)性能要優(yōu)于容忍數(shù)據(jù)缺失方法;對(duì)于兩個(gè)數(shù)據(jù)集來(lái)說(shuō),其每一類別的工作量數(shù)據(jù)都來(lái)自于一個(gè)高斯組件.
[Abstract]:The lack of software workload data is a difficult problem in software work estimation. In this paper, based on naive Bays model and EM (expectation maximization) algorithm, a method to deal with the lack of software workload data is proposed. First of all, this paper introduces the internal mechanism of data loss, and then, this paper proposes a software workload prediction method based on naive Bays and EM algorithm. After that, this paper puts forward two methods to deal with the missing data of software workload: tolerating the missing data and repairing the missing data. Finally, the data missing processing method proposed in this paper is verified by using ISBSG and CSBSG software workload data sets. The experimental results show that the performance of the two missing data processing methods proposed in this paper is better than that of MINI repair method combined with SVM classification model, and the prediction performance of missing data repair method is better than that of tolerant data loss method. For both datasets, each category of workload data comes from a Gao Si component.
【作者單位】： 北京化工大學(xué)經(jīng)濟(jì)管理學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61379046,61432001,91218302) 中央高�；究蒲袠I(yè)務(wù)費(fèi)(buctrc201504)~~
【分類號(hào)】：O212

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 金勇進(jìn);調(diào)查中的數(shù)據(jù)缺失及處理(Ⅰ)——缺失數(shù)據(jù)及其影響[J];數(shù)理統(tǒng)計(jì)與管理;2001年01期

2 金勇進(jìn);缺失數(shù)據(jù)的加權(quán)調(diào)整(系列之Ⅳ)[J];數(shù)理統(tǒng)計(jì)與管理;2001年05期

3 趙慧秀;馬文卿;;帶有缺失數(shù)據(jù)的估計(jì)方程[J];曲阜師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年03期

4 龐新生;;缺失數(shù)據(jù)處理方法的比較[J];統(tǒng)計(jì)與決策;2010年24期

5 楊金英;崔朝杰;;圖模型方法用于二值變量相關(guān)性分析中缺失數(shù)據(jù)的估計(jì)[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2012年05期

6 帥平;李曉松;周曉華;劉玉萍;;缺失數(shù)據(jù)統(tǒng)計(jì)處理方法的研究進(jìn)展[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2013年01期

7 金勇進(jìn);缺失數(shù)據(jù)的偏差校正(系列三)[J];數(shù)理統(tǒng)計(jì)與管理;2001年04期

8 畢華,李濟(jì)洪;帶有缺失數(shù)據(jù)的聚類分析方法[J];華北工學(xué)院學(xué)報(bào);2003年05期

9 李開(kāi)燦;;有缺失數(shù)據(jù)的META-MARKOV模型的局部計(jì)算[J];應(yīng)用數(shù)學(xué)學(xué)報(bào);2007年03期

10 周偉萍;張德然;楊興瓊;;具有部分缺失數(shù)據(jù)時(shí)兩個(gè)幾何總體的估計(jì)[J];長(zhǎng)春大學(xué)學(xué)報(bào);2008年02期

相關(guān)會(huì)議論文 前2條

1 耿直;葛丹丹;;縱向研究非隨機(jī)缺失數(shù)據(jù)分析[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第12屆學(xué)術(shù)年會(huì)論文集[C];2005年

2 張香云;;基于EM算法缺失數(shù)據(jù)下混合模型的參數(shù)估計(jì)[A];第十三屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2011年

，

本文編號(hào)：2486078