%0 Journal Article
%T 基于lasso-lars的软件复杂性度量属性特征选择研究
%A 周雁舟？
%A 乔辉？
%A 吴晓萍？
%A 邵楠？
%A 惠文涛？
%J 计算机科学
%D 2013
%X 针对软件可靠性早期预测中软件复杂性度量属性维数灾难问题,提出了一种基于最小绝对值压缩与选择方法(theleastabsoluteshrinkageandselectoperator,lasso)和最小角回归(leastangleregression,lars)算法的软件复杂性度量属性特征选择方法。该方法筛选掉一些对早期预测结果影响较小的软件复杂性度量属性,得到与早期预测关系最为密切的关键属性子集。首先分析了lasso回归方法的特点及其在特征选择中的应用,然后对lars算法进行了修正,使其可以解决lasso方法所涉及的问题,得到相关的复杂性度量属性子集。最后结合学习向量量化(learningvectorquantization,lvq)神经网络进行软件可靠性早期预测,并基于十折交叉方法进行实验。通过与传统特征选择方法相比较,证明所提方法可以显著提高软件可靠性早期预测精度。
%K 软件可靠性早期预测
%K 特征选择
%K lasso回归方法
%K lars算法
%K lvq神经网络
%U http://www.jsjkx.com/jsjkx/ch/reader/view_abstract.aspx?file_no=20131136&flag=1