| 二次回归学习及其在软件开发工作量预测上的应用 |
| |
| 引用本文： | 杨子旭,黎铭.二次回归学习及其在软件开发工作量预测上的应用[J].模式识别与人工智能,2015(1). |
| |
| 作者姓名： | 杨子旭 黎铭 |
| |
| 作者单位： | 南京大学 计算机软件新技术国家重点实验室 南京210023 |
| |
| 基金项目： | 国家自然科学基金项目，教育部新世纪人才支持计划项目，江苏省自然科学基金项目 |
| |
| 摘 要： | 回归学习是用于对具有实值标记样本进行学习建模的监督学习技术。为获得良好的预测性能,通常需要大量的训练样本,然而,在实际应用中可收集到的训练样本数量极少。针对该问题,提出一种基于二次学习框架的新型二次回归学习方法———基于神经网络集成的回归树算法( NERT)。该方法借助虚拟样本生成技术,通过串行执行的两个学习阶段对其进行有效利用,有效缓解训练样本不足的困难,从而提升学习性能。同时,通过为两个阶段分别选择泛化能力强和理解性好的学习方法,可得到预测性能好且可理解性高的模型。实验结果表明在训练样本极少的软件开发工作量预测问题上,NERT方法能够从小样本数据得到比现有方法更好的预测性能,同时其模型内在可理解性能够揭示工作量预测的关键因素。
|
| 关 键 词： | 回归分析 机器学习 二次回归学习 软件挖掘 工作量预测 |
Twice Regression Learning and Its Application on Software Effort Estimation |
| |
| YANG Zi-Xu,LI Ming.Twice Regression Learning and Its Application on Software Effort Estimation[J].Pattern Recognition and Artificial Intelligence,2015(1). |
| |
| Authors: | YANG Zi-Xu LI Ming |
| |
| Abstract: | |
| |
| Keywords: | Regression Analysis Machine Learning Twice Regression Learning Software Mining Software Effort Estimation |
| 本文献已被 万方数据 等数据库收录！ |
|
