-
题名面向软件缺陷个数预测的混合式特征选择方法
被引量：2
- 1
-
-
作者
马子逸
马传香
刘瑞奇
余啸
-
机构
湖北大学计算机与信息工程学院
湖北省教育信息化工程研究中心
武汉大学国际软件学院
武汉大学计算机学院软件工程国家重点实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2018年第2期487-492,502,共7页
-
基金
湖北大学精品课程(013665
150145)
-
文摘
针对软件缺陷数据集中不相关特征和冗余特征会降低软件缺陷个数预测模型的性能的问题,提出了一种面向软件缺陷个数预测的混合式特征选择方法——HFSNFP。首先,利用Relief F算法计算每个特征与缺陷个数之间的相关性,选出相关性最高的m个特征;然后,基于特征之间的关联性利用谱聚类对这m个特征进行聚类;最后,利用基于包裹式特征选择思想从每个簇中依次挑选最相关的特征形成最终的特征子集。实验结果表明,相比于已有的五种过滤式特征选择方法,HFSNFP方法在提高预测率的同时降低了误报率,且G-measure与RMSE度量值更佳;相比于已有的两种包裹式特征选择方法,HFSNFP方法在保证缺陷个数预测性能的同时可以显著降低特征选择的时间。
-
关键词
软件缺陷个数预测
特征选择
谱聚类
包裹式特征选择
-
Keywords
number of software faults prediction
feature selection
spectral clustering
wrapper-based feature selection
-
分类号
TP311.53
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于卷积神经网络的煤炭运载车辆识别
被引量：6
- 2
-
-
作者
马传香
汪炀杰
王旭
-
机构
湖北大学计算机与信息工程学院
湖北省教育信息化工程研究中心
-
出处
《计算机科学》
CSCD
北大核心
2020年第S02期219-223,共5页
-
基金
湖北省自然科学基金(2019CFB757)。
-
文摘
为了杜绝或避免矿产品资源如煤炭、砂石矿等行业因不开票而导致偷税漏税现象的发生,利用深度卷积神经网络自动识别空车重车是一种有效途径。本文在AlexNet模型基础上,针对空车重车图像的差异性,提出5种改进思路,最终得到一种基于maxout+dropout的6层卷积神经网络的结构。对34220张空车重车图片的测试结果表明,模型在准确度、敏感度、特异性、精度等方面都取得了良好的效果。此外,模型还具有高度的鲁棒性,可以成功识别大量不同角度和不同场景的空车重车图像。
-
关键词
空车重车识别
深度学习
卷积神经网络
AlexNet
maxout
-
Keywords
Empty car and loaded car identification
Deep learning
CNN
AlexNet
maxout
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
