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
分层训练信息技术必修一答案全文共4页，当前为第1页。分层训练信息技术必修一答案全文共4页，当前为第1页。分层训练信息技术必修一答案 分层训练信息技术必修一答案全文共4页，当前为第1页。 分层训练信息技术必修一答案全文共4页，当前为第1页。 情境题 （1）数据压缩 RLE（Run-LengthEncoding,行程长度编码）是一种编码方式，也是一种简单的无损压缩法，压缩和解压缩效率高。 RLE压缩法：利用控制字节的最高位来标识是否进行了压缩。当最高位为1时，则后面7位表示的是数据的重复次数；当最高位为0时，则后面7个位的数是被压缩的数据。 例如，如果有15个十六进制数都是30,那么，压缩后的编码为8F30。 说明：十六进制数8F转换为二进制是1000111，最高位是1，后面的7位0001111表示的是字节的重复次数15：十六进制数30转换为二进制是00110000，最高位是0，30是被重复的数据。采取这种方法，一个字符只有重复两次以上，才能被压缩。即使一个数据只重复3次，也可以获得30%的压缩比。 问题1：如果经过RLE压缩方法压缩后的数据为8A6F,那么解压缩前的数据是什么? 问题2：
2022-12-27 09:15:40
30KB
1
Windows驱动程序开发比较复杂，我将带领大家一起领略内核模式下编程的奥妙。
您将真正掌握内核编程的原理与技术，将技术水平提升一个档次，学会核心技术。
您将掌握Windows驱动开发的基本技术；灵活应用IRP、IO堆栈、设备栈、派遣函数等；
您将掌握Windows驱动的分层技术，了解WDM驱动的基本原理
您将掌握Windows驱动开发中的各种回调例程：完成例程、取消例程、DPC例程、APC例程、等等。
具体内容包括但不限于：
Windows驱动开发小白入门，Windows内核架构与驱动开发的基本概念，VS2015+VMware(win10x64)双机调试驱动，Win10x64中安装WDM驱动，驱动程序的基本结构（NT,WDM)，Windows内存管理，Windows内核函数，驱动程序的派遣函数，驱动程序的同步处理，IRP的同步，定时器，驱动程序调用驱动程序，分层驱动程序
2022-12-19 17:31:44
43.86MB
1
MULTI-CLOCK: Dynamic Tiering for Hybrid Memory Systems（动态分层混合存储系统）的主要需要被编译的内核文件
2022-12-19 10:02:32
183.98MB
1
MULTI-CLOCK: Dynamic Tiering for Hybrid Memory Systems（动态分层混合存储系统）
2022-12-15 17:02:51
74KB
1
针对分层B样条非刚性配准存在局部极值以及水平集分割方法不适用于噪声图像分割的问题,提出了一种基于局部更新分层B样条双向变换和水平集方法的医学图像联合分割与配准方法。该方法在分割算法中加入配准变换,在配准中融入图像分割的结构信息。使用B样条水平集函数对变换和分割的图像进行平滑表示,并在配准中引入双向变换以提高配准的精度和平滑性。在水平集方法的基础上,引入双向分层B样条变换构造分割与配准的联合能量泛函,并结合梯度下降法将能量泛函最小化以优化目标函数。实验结果表明:本方法与单独的图像分割方法相比,Dice度量均在99%以上;与单独的图像配准方法相比,均方误差下降了30%,能够提高图像的配准精度,且在分割噪声图像时有较好的鲁棒性。
2022-12-14 21:31:19
4.28MB
1
半监督分层递归图神经网络用于城市范围内的停车位可用性预测
这是SHARE体系结构的Pytorch实现，如论文《。
如果您在研究中利用SHARE模型，请引用以下内容：
@article{zhang2019semi,
title={Semi-Supervised Hierarchical Recurrent Graph Neural Network for City-Wide Parking Availability Prediction},
author={Zhang, Weijia and Liu, Hao and Liu, Yanchi and Zhou, Jingbo and Xiong, Hui},
booktitle={Proceedings of the Thirty-Fourth AAAI Conference on Artificial Intelligen
2022-12-08 21:34:51
142KB
1
持续时间歧视的分层贝叶斯建模
该项目是针对Boğaziçi大学的Ali Taylan Cemgil开设的贝叶斯统计和机器学习课程进行的，并作为小组项目重新实施。
该项目的参考文件是加利福尼亚大学欧文分校的迈克尔·李（Michael Lee）撰写的“认知建模中的贝叶斯方法”。 可以在上找到Michael Lee的代码和数据。
在该项目中，使用了MATJAGS（MATLAB JAGS接口）。 作为一种推断方法，JAGS中使用了MCMC系列中的Gibbs采样算法。 为了选择更好的模型，实施了Savage-Dickey方法，这在认知心理学文献中经常使用。
通常，由Michael Lee实施的项目比我们实施的模型更多。 我们已实现的模型用于：
评估信息似然函数的先验和模糊先验
寻找试验之间的顺序影响
寻找污染物试验
选择似然函数（使用潜在混合方法）
评估个体差异（使用分层贝叶斯建模）
预
2022-12-04 16:31:09
58KB
1
科来网络通讯协议图2020版，让你对网络通信协议一目了然。
作为网络工程师的必看图，它让我们对协议的学习内容有了大致的了解，学无止境
2022-12-02 14:19:07
13.6MB
1