基于广义模糊数的软件成本加权CBR估算研究

在软件项目开发过程中,准确估算出软件成本在提高软件质量和保障软件成功开发方面起到重要支撑作用。针对软件项目历史数据库中部分属性在项目开发初期难以给予精确数值(仅仅能给出模糊数),而已有软件成本估算模型不能很好地处理模糊信息的问题,本文在基于案例推理模型(CBR)基础上集成广义模糊数,提出了基于广义模糊数的CBR模型。使用基于广义模糊数的相似度度量方法代替传统CBR模型中采用的欧式距离等相似度度量方法,采用模糊C均值聚类(FCM)方法将已有软件项目历史数据库中的精确数值进行模糊化处理,以匹配新项目中的模糊数。进一步采用粒子群算法(PSO)来优化属性的权重,构建基于广义模糊数的加权CBR模型。最终在实验中采用Desharnais数据来检验构建模型的有效性。实证结果表明,在与常用的欧式距离CBR模型相比,构建的基于广义模糊数的加权CBR模型能有效提高估算精度,采用PSO优化属性权重能提高模型的估算精度。     

基于加权案例推理模型族的软件成本SVR组合估算

精确地估算软件成本是软件项目成功开发的一个重要保证,直接影响着软件的风险控制和质量保证.为了更好地解决单一估算模型的不足,提出了集成多案例推理(CBR)模型的软件成本组合估算模型.首先,采用六种距离计算公式刻画新旧项目相似度,构建了六种CBR模型,并运用粒子群算法(PSO)来优化CBR模型族中的属性权重.其次,在CBR模型族的基础上,运用支持向量回归机(SVR)模型将不同CBR模型的估算结果进行集成,提高软件成本估算结果的精度.利用Deshamais数据库对模型有效性进行检验,实证结果表明,在六种CBR模型中Euc-CBR、Min-CBR、Gau-CBR和Mah-CBR模型估算结果没有明显差异,Gre-CBR和Man-CBR模型略优;提出的SVR组合估算模型估算精度明显优于单CBR模型和其他线性组合估算模型,能有效提高软件成本的估算精度.     

基于PSO-SVR模型的能源需求预测

本文将支持向量回归机(support vector regression,SVR)与粒子群算法(Particle Swarm Optimizat ion,PSO)相结合,选取1 985~2008年的能源需求量及其影响因素作为学习样本,利用粒子群算法对支持向量机参数进行优化,通过训练、测试得到具有良好学习与推广能力的PSO-SVR能源需求预测模型。建立BP神经网络模型,并将两者的预测值进行对比,结果表明,PSO-SVR模型预测精度优于BP神经网络模型。     

移动商务中面向客户细分的KSP混合聚类算法

数据挖掘技术中的聚类算法是解决客户细分问题的重要算法之一。为解决传统聚类算法在客户细分问题中分类精度较低、收敛速度较慢的问题,着重对比分析传统聚类算法中K-m eans、自组织映射网络和粒子群3种算法的不足,提出融合3种算法优点的混合型聚类算法,该算法利用K-m eans和自组织映射网络对初始聚类中心进行优化,结合粒子群优化和K-m eans优化聚类迭代过程,并在迭代优化过程中设计避免算法因早熟而停滞的机制。针对移动电子商务环境下的餐饮业客户细分问题,建立移动餐饮业客户细分模型,并利用混合型聚类算法、K-m eans、层级自组织映射网络和基于粒子群的K-m eans等4种算法对实际案例进行对比分析。研究结果表明,混合型聚类算法的聚类精度分别比其他3种算法高,同时还具有最快的收敛性能,更适用于客户细分问题。     

基于支持向量机的中国股指期货回归预测研究

本文针对股指期货预测的特点,选择对股指期货指数有重要影响的相关指标,首次提出用支持向量机(SVM)方法对其进行回归预测,并用遗传算法(GA)和粒子群算法(PSO)分别优化四种不同核函数的支持向量机,构建了八种不同的中国股指期货回归预测方案,用实证研究的方法对这八种方案的准确性和时效性进行了比较。实验结果表明粒子群算法优化的线性核函数支持向量机作为中国股指期货回归预测的模型,具有更好的预测效果。     

信息系统建设项目软件成本估算方法研究

在信息系统项目或电子政务工程建设软件项目和软件预研项目中,软件成本估算是具挑战性也是最重要的环节。软件成本估算问题是困扰各领域对软件成本进行预算控制的难题,本文以提高软件成本估算的精确性为目标,给出了适合当前国内信息系统建设项目或电子政务工程中软件建设项目成本估算的一种方法模型。     

基于VPRS的软件项目投标风险规避群决策研究

设计了一个基于变精度粗糙集的模型算法,用于调整软件项目投标风险群决策表中的分类误差,为了全面反映专家的个人能力和在群决策过程中的公正、认真程度,赋予每个专家相应的权重,计算投标项目和风险指标的综合风险当量,并讨论了相应的风险规避措施、风险规避力度排序和风险规避流程。     

模糊决策树算法在软件估算中的数据处理应用研究

本文将通过某项目实例使用遗传算法和模糊决策树结合的方法进行软件估算。遗传算法优化的模糊决策树软件工作量估算模型是基于遗传算法优化的模糊决策树算法,输入的数据为原始化数据。使用Desharnais数据集,采用10-折交叉验证,对离散和连续型的样本数据使用函数求值。     

个人信用评估PSO—SVM模型的构建及应用

支持向量机(SVM)中的参数影响着模型的分类能力,为了使SVM获得更好的分类能力,针对SVM中的人为选择参数的随机性,提出了利用粒子群算法(PSO)进行优化的方法,构建了PSO-SVM模型,并将其应用于商业银行的个人信用评估中。通过改进的PSO算法对SVM中的参数进行优化,并通过粒子适应度函数的设置来控制给商业银行造成较大损失的第2类误判的发生。应用结果表明,PSO-SVM模型的分类精度高,第2类误判率低,并且表现出较好的稳健性,对于控制消费信贷风险具有良好的适用性。     

粒子群优化灰色模型在负荷预测中的应用

针对电力系统负荷特性,分析灰色模型GM(1,1)的应用局限性,引入向量α改进灰色模型背景值序列的计算公式,从而构建了适应性更强的GM(1,1,α)模型。应用粒子群优化算法非线性全局寻优能力来求解最优α值,提出了基于粒子群优化算法的灰色模型PSOGM,并给出了电力负荷预测的应用实例。实例证明PSOGM模型具有较高的预测精度和较广的应用范围。