缺陷预测旨在通过从历史缺陷数据中学习来估计软件的可靠性。 缺陷预测方法根据从软件项目中提取的指标来识别软件模块是否容易出现缺陷。 这些度量值（也称为特征）可能涉及不相关和冗余，这将损害缺陷预测方法的性能。 现有工作采用特征选择来预处理缺陷数据以滤除无用的特征。 在本文中，我们提出了一种新颖的特征选择框架MICHAC，它是通过层次聚类聚类通过最大信息系数进行缺陷预测的简称。 MICHAC分为两个主要阶段。 首先，MICHAC利用最大信息系数对候选特征进行排序，以过滤掉不相关的特征；其次，MICHAC通过分层聚集聚类对特征进行分组，并从每个结果组中选择一个特征以去除冗余特征。 我们使用三个具有四个性能指标（精度，召回率，F量度和AUC）的不同分类器，对11个被广泛研究的NASA项目和四个开源AEEEM项目评估了我们提出的方法。 与五种现有方法的比较表明，MICHAC可有效选择缺陷预测中的特征。
2022-12-28 17:17:59
271KB
1
基于卡尔曼滤波和最大权值匹配实现的多目标跟踪python源码+详细代码注释+使用说明.zip
基于卡尔曼滤波和最大权值匹配实现的多目标跟踪python源码+详细代码注释+使用说明.zip
基于卡尔曼滤波和最大权值匹配实现的多目标跟踪python源码+详细代码注释+使用说明.zip
【备注】主要针对正在做毕设的同学和需要项目实战的深度学习cv图像识别模式识别方向、python、目标跟踪学习者。
也可作为课程设计、期末大作业。包含：项目源码、项目操作说明等，该项目可直接作为毕设使用。
也可以用来学习、参考、借鉴。
2022-12-28 16:27:27
15.9MB
学习笔记—《最大类间方差法》，本人在看论文的过程中涉及到了最大类间方差法，所以查找相关文献整理了一下，共享给大家！
2022-12-26 19:50:15
270KB
1
免费下载，直接上传Liunx。
1、Linux编写一个shell 脚本程序，实现从终端接收10个数，然后输出这10个数中的最大数。
2、编写一个shell脚本程序，添加一个名为user_grp的组，然后向该组中添加10个用户，用户名的形式为userxx，其中xx从01到10
2022-12-26 14:02:30
16KB
1
免费下载，直接上传Liunx。Linux编写一个shell 脚本程序，实现从终端接收10个数，然后输出这10个数中的最大数
2022-12-25 19:02:47
9KB
1
题目是标准的ACM竞赛题，word文档里包含求最大连续子序列的题目和完整的实验代码，并在VC6.0上运行通过！！！
2022-12-24 23:44:16
28KB
1
给定由n整数(可能为负数)组成的序列 {a1,a2,…,an}，求该序列形如ai+ai+1,…,+aj的子段和的最大值。当所有的整数均为负数时定义其最大子段和为0。
Input
输入包含多组测试数据。第一行为一个整数C，表示有C组测试数据，接下来有2*C行数据，每组测试数据占2行，每组测试数据第一行是1个整数n，表示有n个整数,接下来一行有n个整数,它们之间用空格隔开.
Output
你的输出应该有C行，即每组测试数据的输出占一行，它是计算出的最大子段和.
Sample Input
1
6
-2 11 -4 13 -5 -2
Sample Output
20
Source
2022-12-24 23:33:46
701B
1
iPerf3是用于主动测试IP网络上最大可用带宽的工具。它支持时序、缓冲区、协议（TCP，UDP，SCTP与IPv4和IPv6）有关的各种参数。对于每次测试，它都会详细的带宽报告，延迟抖动和数据包丢失。
它与原始 iPerf 不共享任何代码，也不向后兼容。
它是一个C/S架构的测试工具，需要在同时运行在服务器端和客户端。
2022-12-22 13:17:43
24.16MB
1
最大流标号法的复杂度讨论
找一条增广链的计算量是容易估计的，不会超过O(n2)
但是最多迭代多少次(即增广的次数)就很难估计，在最坏情况下，与边的容量有关；如上图：先增广 s u v t , 然后增广 s v u t，每次只能增广 1 个单位，故要增广4000次才能结束
克服这种缺点的经验方法：
尽量先用段数少的增广链
尽量不重复前面出现过的增广链
2022-12-21 21:33:37
796KB
1
在快速傅里叶变换(FFT)粗估计的基础上，通过曲线拟合，得到一种实现简单的次优高精度频率估计算法。现有的精确估计算法多采用FFT输出的幅度信息，或是FFT的复数输出进行精确估计。本文提出了利用幅度平方信息做精确估计的算法，有效地简化了运算复杂度，实现结构简单。通过仿真验证了本算法在低信噪比下也具有较高的估计精度。
2022-12-20 10:35:27
279KB
1