基于支持向量回归机的股票价格预测

研究股票价格预测问题,股票价格变化具有非线性、时变性,传统线性预测模型难以准确刻画股价变化规律,且非线性神经网络存在过拟合、局部最小等缺陷,预测精度比较低。为提高股票价格预测精度,提出一种基于粒子群优化支持向量机的股票价格预测模型。利用粒子群算法良好的寻优能力,对支持向量机参数进行优化,加快支持向量机学习速度,再采用非线性预测能力优异的支持向量机对股票价格进行预测。以南天信息股票价格对模型性能进行仿真,实验结果证明,支持向量机预测模型能全面反映股票价格变化的非线性的时变规律,获得更高预测精度,预测结果对股民实际操作具有较大的指导价值。     

基于支持向量机的面向对象软件易发性故障预测

本文考虑软件故障严重程度,并采用C＆K面向对象度量集,以支持向量机分析方法为数学工具,建立一种基于面向对象软件易发性故障预测模型。实验结果表明,与基于朴素贝叶斯的预测模型、随机预测模型和NNge预测模型相比,本文提出的预测模型对于高严重程度故障、低严重程度故障以及未划分故障严重程度的情形均获得较好的预测效果。     

基于粗糙集-支持向量机的软件缺陷预测

软件缺陷预测已成为软件工程的重要研究课题,构造了一个基于粗糙集和支持向量机的软件缺陷预测模型。该模型通过粗糙集对原样本集进行属性约减,去掉冗余的和与缺陷预测无关的属性,利用粒子群对支持向量机的参数做选择。实验数据来源于NASA公共数据集,通过属性约减,特征属性由21个约减为5个。实验表明,属性约减后,Bayes分类器、CART树、神经网络和本文提出的粗糙集—支持向量机模型的预测性能均有所提高,本文提出的粗糙集支持向量机的预测性能好于其他三个模型。     

基于优化PSO-SVM模型的软件可靠性预测方法

讨论了传统软件可靠性预测模型的主要弱点;在分析传统PSO-SVM模型和软件可靠性预测特点的基础上,对传统PSO-SVM模型进行改进,建立了优化PSO-SVM软件可靠性预测模型。最后通过仿真结果表明,该优化预测模型具有更好的小样本适应性,训练速度快,预测精度高,能够更好地适用于软件可靠性预测。     

基于启发式算法的混沌支持向量机流量预测

针对现有混沌支持向量机回归模型存在流量预测效率低下的问题,利用差分进化(DE)算法、遗传算法和粒子群优化算法确定模型的径向基核函数系数、惩罚系数、不敏感系数等参数,在此基础上建立改进的混沌支持向量机回归模型进行流量预测。实例表明,相比其他启发式算法,DE算法能以较高的效率搜索到混沌支持向量机回归模型的最优参数,并且该模型具有较高的预测精度。     

改进粒子群算法优化支持向量机的工程造价预测

工程造价预测一直是工程管理研究中的重点,针对工程造价预测中的支持向量机参数优化问题,提出一种改进粒子群算法优化支持向量机的工程造价预测模型(IPSO-SVM).首先收集工程造价数据,并对其进行归一化处理,然后采用支持向量机对工程造价的训练样本进行学习,并采用改进粒子群算法对支持向量机的核函数参数进行优化,最后采用Matlab 2012工具箱对工程造价进行仿真实验.实验结果表明,IPSO-SVM有效提高工程造价的预测精度,预测结果具有一定的实际应用价值.     

支持向量机在耕地面积预测中的应用研究

研究耕地面积准确预报问题,粮食产量稳定性受到耕地面积变化的影响.耕地面积是一种高度不稳定、复杂且难以预测,传统预测方法都是根据线性模型,忽略了耕地面积的非线性特征,导致预测精度不高.为了提高耕地面积预测的精度,提出一种基于支持向量机的耕地面积预测模型.利用相关分析和灰色关联分析对影响耕地面积变化的因子进行筛选,做为支持向量机的输入,耕地面积数量作为输出,可通过粒子群法对支持向量机的参数进行寻优,最后建立最优的耕地面积预测模型,对江苏无锡市耕地面积进行仿真.仿真结果表明,支持向量机模型比神经网络和其它预测模型有较高的预测精度,适用于耕地面积预测等非线性问题,为耕地面积预测提供了依据.     

基于多核混合支持向量机的城市短时交通预测

城市道路交通的不确定性、非线性和时空相关性使得交通系统参数描述和知识获取极为困难,从而使短时交通预测难以获得满意结果。利用多核混合支持向量机识别和处理不同类别输入数据的能力,提出了一种基于多核混合支持向量机的城市短时交通预测方法。该方法在统计分析交通状态数据样本的基础上,继承了支持向量机良好的泛化能力、全局最优和较强自适应性的特点,并采用改进的粒子群算法对支持向量机的参数进行了优化选择。同时,针对道路实时交通状态与历史平均交通状态较强的线性相关性、道路实时交通状态与前几时段交通状态及上下游路段实时交通状态的非线性相关性,分别设计了线性核函数和非线性核函数对城市交通状态进行映射和拟合。该方法既考虑到交通状态历史规律对预测的指导意义,又顾及交通的时变特征,充分提取了交通系统相关参数的知识信息。实验结果表明,本文提出的短时交通流预测方法具有准确性、鲁棒性和自适应性特点,具有较好的实际应用价值。     

支持向量机在电力负荷预测中的应用研究

研究电力系统负荷预测问题,针对电力负荷过程存在非线性技术,为提高预测精度,保证安全供电,改变传统方法,提出改进支持向量机的预测性能,更精确地预测电力负荷,提出粒子群算法优化支持向量机（PSO-SVM）的电力负荷预测方法。PSO-SVM用粒子群算法优化支持向量机参数,减少了对支持向量机参数选择的盲目性,获得较优的支持向量机预测模型。并以贵州省为例在2008.7-2009.7电力负荷数据进行测试和分析,并进行仿真。实验结果表明,在电力负荷预测中,PSO-SVM比SVM和BPNN有着更高的预测精度,测试表明PSO-SVM方法用于电力负荷预测是有效可行的。     

软件故障静态预测方法综述

软件故障静态预测通过从项目数据中提取度量信息预测故障,以便于测试和验证资源的分配。从可用度量数据和预测模型两个方面总结了软件故障静态预测方法,可用度量包括方法层、类层、构件层、文件层以及过程层度量,预测模型分为机器学习和统计方法两类;总结了性能评价指标、度量数据可得性以及故障分类对故障预测的影响等需要进一步研究的问题。     

软件故障预防方法探讨

研究软件缺陷与软件故障的关系,指出软件故障是由软件缺陷引起的。讨论现有的软件缺陷预防方法,包括进行避错设计等。讨论现有的软件故障预防方法,包括进行防御性编程、进行软件易测试性设计等,并展望软件故障预防未来的发展方向。     

Empirical Analysis of Software Fault Content and Fault Proneness Using Bayesian Methods

We present a methodology for Bayesian analysis of software quality. We cast our research in the broader context of constructing a causal framework that can include process, product, and other diverse sources of information regarding fault introduction during the software development process. In this paper, we discuss the aspect of relating internal product metrics to external quality metrics. Specifically, we build a Bayesian network (BN) model to relate object-oriented software metrics to software fault content and fault proneness. Assuming that the relationship can be described as a generalized linear model, we derive parametric functional forms for the target node conditional distributions in the BN. These functional forms are shown to be able to represent linear, Poisson, and binomial logistic regression. The models are empirically evaluated using a public domain data set from a software subsystem. The results show that our approach produces statistically significant estimations and that our overall modeling method performs no worse than existing techniques.     

一种基于MM & MBPNN的软件衰退预测方法研究

由于系统环境的恶化,运行中的软件系统不可避免地会出现衰退现象。针对该现象,提出了一种用基于放大误差信号的改进的BP神经网络(MBPNN)来表示软件状态的马尔科夫模型(MM),并通过此方法来预测软件衰退。此方法弥补了单纯使用马尔科夫方法时对软件衰退状态预测不够准确的缺点,为软件抗衰的实施提供了依据。仿真实验表明,这是一种有效可行的预测方法。     

软件缺陷及软件可靠性技术

近年来的研究表明,系统发生的失效更多的是由于软件缺陷引起的。因此软件可靠性成为系统可靠性的关键,也是高可靠性和高可用性系统的一个主要的研究内容。该文在描述了软件可靠性与硬件可靠性不同的基础上,对软件可靠性模型、软件缺陷,以及软件可靠性技术进行了总结和论述。     

计算机软件故障的快速修复

电脑操作中80％以上的问题是软件引起的,计算机故障尽管五花八门、千奇百怪,但由于计算机是由一种逻辑部件构成的电子装置,所以软件故障诊断的基本原则,软件故障诊断的方法,计算机软件故障的检修流程,计算机软件故障快速修复的常用方法是有规律可循,可以梳理总结出来。掌握这些规律,计算机软件故障修复可快速解决。     

A Fault Taxonomy for Component-Based Software

Component technology is increasingly used to develop modular, configurable, and reusable systems. The problem of design and implement component-based systems is addressed by many models, methodologies, tools, and frameworks. On the contrary, analysis and test are not adequately supported yet. In general, a coherent fault taxonomy is a key starting point for providing techniques and methods for assessing the quality of software and in particular of component-based systems. This paper proposes a fault taxonomy to be used to develop and evaluate testing and analysis techniques for component-based software.     

一种ZSP软件的优化方法

文中提出了一种由优化关键路径.改良代码风格和压缩存储数组三步骤构成的ZSP软件优化方法.通过对一个基于ZSP的MP3播放器的软件的优化,来验证该软件优化方法的有效性.结果显示这种优化方法确实提高了效率,并降低了11.7%程序空间的占用和6.8%数据空间的占用.     

软件体系结构求精方法研究

1.引言软件设计在相当大的程度上可与建筑设计相类比,在古今中外建筑设计中,有诸多如欧洲的“歌特式”、“巴洛克式”、“维多利亚式”,中国的“园林式”、“宫廷式”等不同结构风格的建筑。同样在软件设计上,经过多年的理论探索和工程实践,也逐渐形成了一系列不同结构风格的软件体系结构。如UNIX操作系统中的管道一过滤器(pipe-filters)风格、分布式系统中典型的客户机/服务器(client/server)风格以及通信系统中的分层(layer)系统等等。     

基于数据流分析的软件容错策略

该文就软件容错中备查点与卷回机制展开深入讨论,提出一种基于数据流分析技术的软件容错新方法.首先对软件容错进行简介,指出数据错是一切控制系统软件失效的根源与最终表现以及对数据采取强有力的容错措施的必要性.然后将数据流分析技术应用于软件容错,通过求解程序变量的到达-定值数据流方程来静态地确定任何数据在任何引用点出错时的最小充分卷回,通过求解活跃变量的数据流方程来静态地确定程序在执行各个基本块时需动态保存的变量集合,得出最小充分卷回定理与备查点数据范围定理,从而解决了时间冗余容错途径中必须回答的两个基本问题.此外,还给出了恢复块定义有效的充分条件.最后,以电信系统为应用实例,介绍了该方法的一种具体实施.该方法在简单地扩展后可被广泛应用于各种容错软件的设计中.