针对传统软件缺陷预测模型的应用范围通常被局限在一定的子空间而影响其适用性和准确性的问题,文中利用支持向量机(SVM)的非线性运算能力和蚁群优化算法(ACO)的寻优能力提出了一种基于ACO-SVM的软件缺陷预测模型.文中首先对待预测的数据进行主成分分析降低数据的维数以提高运算速度,然后根据蚁群优化算法来计算最优的SVM...
基于ACO—SVM的软件缺陷预测模型的研究
Today, the editor brings the "Research on Supply Chain Risk Early Warning Based on ACO-SVM algorithm". Welcome to visit! 今天小编将从思维导图、精读内容、知识补充三个板块为大家带来《基于ACO-SVM算法的供应链风险预警研究》供应链风险规划、供应链风险监控、第四章小结、数据采集和预处理。 Today, I w...
参数 优化 Ke rsAC(;enlfncin;v;aare ptmiai ywod:)kre utosmprmetroizton di1.99jis.071021.002o:036/.sn10—3X.011.2 中图分类号:1 TP8 文 献标识码 : A 时, 怎么选 取核 函数 参数 ,非齐 次多 项式中 的参 如 l引言 SVM是2世纪9年代中期由Vank和 00pi 数 d和 径 向基 核 函数 中 ...
Research on Supply Chain Risk Early Warning Based on ACO-SVM algorithm 二、摘要 2. Summary 研究背景:近几年来,由于交通以及信息等技术的快速发展,使得企业之间的联系更加紧密且快捷,加上宏观环境的持续波动,造成了企业所面临的供应链风险来源更加繁杂,供应链风险以更快的速度在动态变更着。供应链是一个系统,...
ACO-SVM模型由于大型深水群桩基础受到复杂的环境影响,其基桩轴力的变化与环境因素之间呈现复杂菲线性关系.利用在解决小样本,非线性,高维数方面具有很强能力的支持向量机,对苏通大桥群桩基础轴力实测数据进行分析,预测了一段时间内轴力的变化.并采用了蚁群算法(ACO)寻找模型最优参数,由此建立了ACO-SVM模型,避免了人为...
基于ACO-SVM的质谱数据分析
卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLO...
文中利用支持向量机(SV M )的非线性运算能力和蚁群优化算法(A CO)的寻优能力提出了一种基于ACO SV M 的软件缺陷预测模型.文中首先对待预测的数据进行主成分分析降低数据的维数以提高运算速度,然后根据蚁群优化算法来计算最优的SVM 参数,然后再运用SV M 进行软件缺陷的预测.并基于十折交叉方法进行实验,通过与...
This paper presents two algorithms that integrate new Ant Colony Optimization (ACO) variants which are Incremental Continuous Ant Colony Optimization (IACOR) and Incremental Mixed Variable Ant Colony Optimization (IACOMV) with Support Vector Machine (SVM) to enhance the performance of SVM.The first ...