中国科学技术信息研究所--国家工程技术数字图书馆

排序：

[学位论文] 苏振安徽大学 2023年硕士导师: 严远亭共85页

摘要 : 随着信息技术的快速发展，计算机软件产品已经广泛应用于各个领域，软件的可靠性备受关注。软件缺陷预测通过从历史缺陷数据中构建预测模型，可以在软件部署前提前发现软件中潜在的缺陷模块，能有效提高软件测试效率，保证软件质量。已有很多机器学习... 展开随着信息技术的快速发展，计算机软件产品已经广泛应用于各个领域，软件的可靠性备受关注。软件缺陷预测通过从历史缺陷数据中构建预测模型，可以在软件部署前提前发现软件中潜在的缺陷模块，能有效提高软件测试效率，保证软件质量。已有很多机器学习方法应用到软件缺陷预测中，但缺陷数据集中存在的类不平衡问题严重阻碍了模型的性能。当前针对类不平衡问题的解决方案大致分为数据层面方法和算法层面方法，数据层面方法因较易实现且独立于后续的学习模型，逐渐成为解决这一问题的主流方案。然而,当前方法大多针对类别不平衡开展，主要关注于解决模型的学习偏置问题。近年来有研究表明，除数据不平衡因素之外，如何有效的处理数据中的数据复杂性(如噪声、类重叠和子概念等)，对提升学习模型的性能具有至关重要的作用。本文基于信息熵，围绕软件缺陷预测中的类不平衡问题和数据复杂性问题，引入了“类确定性熵”和“样本困难熵”两种样本级的数据困难因子度量方式，设计针对困难因子的采样方法，提高预测模型的分类性能。主要研究内容如下: (1)提出了一种基于类确定性熵的软件缺陷预测采样方法(ClassCertaintyEntropybasedSamplingMethodforSoftwareDefectPrediction,CCES)。CCES首先基于样本的局部分布信息获取类确定性熵，然后根据类确定性熵值将有缺陷样本和无缺陷样本划分为安全样本、关键样本和危险样本，接着移除无缺陷样本中的危险样本，以提高决策边界的可见性和降低不平衡率，最后对有缺陷样本中的关键样本进行局部信息约束的过采样,以提高其类确定性并平衡类分布。 (2)提出了一种基于样本困难熵的软件缺陷预测采样方法(SampleDifficultyEntropybasedSamplingMethodforSoftwareDefectPrediction,SDES)。SDES首先提出了样本困难熵的概念，并提出了一个用于学习样本困难熵的框架来衡量样本的学习难度。然后，基于样本困难熵，提出了先欠采样后过采样的混合采样方法。前者提高了有缺陷样本和无缺陷样本的可分离性，同时降低了后续的采样比率，一定程度上降低了高采样率可能带来的过拟合问题。后者通过对难学习样本进行过采样，降低有缺陷样本中关键样本的学习难度，提升模型对有缺陷样本的识别能力。收起

关键词 : 软件缺陷预测数据复杂性信息熵

2. 企业信息系统数据复杂性的度量及应用

[学位论文] 尹隽江苏科技大学 2017年博士导师: 葛世伦共204页

摘要 : 准确测量信息系统的复杂性是解决系统成本估算、合理报价以及进行维护优化的基础，现有的研究成果或将信息系统视为软件技术系统，从软件的代码、结构或对象等方面探索系统的复杂性；或拓展到信息系统管理视角，关注信息系统设计、开发阶段的复杂程度... 展开准确测量信息系统的复杂性是解决系统成本估算、合理报价以及进行维护优化的基础，现有的研究成果或将信息系统视为软件技术系统，从软件的代码、结构或对象等方面探索系统的复杂性；或拓展到信息系统管理视角，关注信息系统设计、开发阶段的复杂程度，但就当前众多研究成果而言，鲜有学者关注信息系统运行阶段的复杂性。为弥补当前的研究缺陷，本文基于数据视角，提出构建能够全面衡量企业信息系统设计、开发和运行阶段复杂性的模型和度量方法，并进行应用探索，以期为信息系统复杂性的理论研究和实践管理提供借鉴和参考。为了全面、准确地测量企业信息系统复杂性，本文基于表征理论，从信息系统的数据内涵出发，提出“数据复杂性”的概念，构建相应的理论模型；基于该模型开发复杂性度量方法及其对应的度量工具；将所提出的模型与度量方法与传统模型方法进行对比验证，论证模型与方法的有效性；在此基础上，通过对7家制造企业162个信息系统的实际数据的实证分析，验证了企业信息系统的数据复杂性对维护价格的影响；最后设计了基于动态数据复杂性的适应性维护策略。论文的主要工作如下：（1）提出了“数据复杂性”概念并构建理论模型。围绕“信息系统的本质是什么？是否能够结合其本质来探索其复杂性？包含哪些方面？”的问题，基于表征理论中数据视图体现对现实世界表征的内涵分析，提出“数据复杂性”的概念，接着，依据表征理论的三个前提假设将模型具体分为数据模型、数据操作范围、数据操作强度和数据量四个维度，分析了数据复杂性与有效应用的关系，以及驱动企业信息系统复杂性的因素，并探讨了该模型可能的理论贡献。该模型扩展了表征理论的应用领域，是信息系统复杂性研究的新视角。（2）设计了企业信息系统的数据复杂性度量方法。围绕“信息系统的数据复杂性能否定量测量?如何测量？”的问题，结合信息熵和复杂性格空间理论，设计基于企业信息系统数据复杂性的度量模型和度量方法，并据此开发了一套有效的数据复杂性度量工具，并运用该工具分别计算和分析了企业应用和电子政务应用两类信息系统的数据复杂性，分析结果表明，首先，数据复杂性特征与企业的业务特征相一致，这与表征理论的假设相吻合；其次，运行阶段的数据量复杂性对整体复杂性的贡献更大，凸显了该模型能够反映运行阶段特征的优势，最后，相较于企业信息系统，电子政务系统的数据操作复杂性对整体的影响更大，体现了电子政务系统应用范围更广，强度更大的特征。（3）验证了企业信息系统数据复杂性度量方法的有效性。围绕“信息系统的复杂性测量方法是否有效？”的问题，将提出的企业信息系统数据复杂性的度量方法与传统的体系结构复杂性度量方法进行比较验证。通过横向比较3家不同公司的同一个信息系统（物资管理信息系统）的数据复杂性，纵向分析同一家公司不同信息系统（物资管理信息系统与成本管理信息系统）复杂性，结果均表明，信息系统的数据复杂性度量方法相较于传统的度量方法，具有度量模型更加全面、度量方法的动态性考虑更充分等优势。（4）探索了数据复杂性与企业信息系统维护的关系。围绕“信息系统的复杂性会造成怎样的影响？”的问题，构建了基于企业信息系统数据复杂性的“设计复杂性—开发复杂性—运行复杂性—维护价格”的多阶段研究模型，并通过对7家大中型制造企业162个系统的实际数据进行检验，实证结果表明，数据复杂性、维护服务水平以及系统使用时间均会显著影响后期的维护价格，依据此结论，企业可以从数据复杂性角度，设计更加合理的维护价格模型。（5）提出了以企业信息系统的动态复杂性为依据的适应性系统维护策略。围绕“如何通过理解信息系统的复杂性，为制定有效的管理措施提供帮助？”的问题，构建了基于动态数据复杂性的维护策略空间，接着通过计算3家大中型制造企业物资管理系统运行过程中产生的动态复杂性，依据维护策略空间进行针对性的维护策略设计。结果表明，基于分析结果制定的维护策略更能适应业务特征，可以提高信息系统维护的服务效率。收起

关键词 : 企业信息系统数据复杂性信息熵制造企业

3. 基于数据复杂性的信息系统复杂度测量及有效性验证

[学位论文] 刘伟江苏科技大学 2013年硕士导师: 葛世伦共96页

摘要 : 信息系统复杂度测量是信息系统成本估算、工作量考核以及重构性能评估等问题解决的基础。随着信息技术的快速发展,信息系统也逐渐由低级到高级、由简单到复杂、由静态到动态、由封闭孤立到开放协同发展,信息系统越来越复杂,其复杂程度越来越难以准确测... 展开信息系统复杂度测量是信息系统成本估算、工作量考核以及重构性能评估等问题解决的基础。随着信息技术的快速发展,信息系统也逐渐由低级到高级、由简单到复杂、由静态到动态、由封闭孤立到开放协同发展,信息系统越来越复杂,其复杂程度越来越难以准确测量。原有方法主要从系统结构、配置过程、应用程序等角度测量信息系统复杂度,但是存在测量模型不够全面、缺乏动态性考虑等缺点。因此,提出新的能够全面准确测量信息系统复杂度的模型和方法具有理论意义和现实价值。本文基于信息处理论和复杂性理论,提出了数据复杂性的概念,构建了基于数据复杂性的信息系统复杂度的测量模型,开发了基于信息熵和复杂性格空间的信息系统复杂度计算方法,并利用制造企业信息系统的实际数据和信息系统体系结构复杂度测量模型的计算结果,论证了本文提出的信息系统复杂度的测量模型和计算方法的有效性。具体而言,主要研究内容如下: (1)基于数据复杂性的信息系统复杂度测量模型和计算方法。从信息处理论来看,信息系统本质上就是数据处理系统,论文基于信息系统的复杂性分析,提出了数据复杂性的概念,同时,从信息系统中数据的静态性和动态性两方面将数据复杂性划分为数据结构、数据量和数据操作三个维度,构建了数据复杂性的测量模型,并建立了数据复杂性三个子维度的信息熵模型,同时利用复杂性格空间理论对数据复杂性进行了整体测量,最后对两家大中型制造企业的物资和经营销售管理信息系统进行了实证研究,验证了该测量模型和计算方法的可行性。 (2)基于体系结构复杂性的信息系统复杂度测量模型的应用研究。论文从信息系统的复杂度测量模型中应用最为广泛的体系结构复杂性测量模型角度出发,通过对相同案例的实证应用研究,测量其体系结构复杂性量值,为证明基于数据复杂性的信息系统复杂度测量模型和计算方法的有效性提供了参考基准与理论基础。 (3)基于数据复杂性的信息系统复杂度测量模型和计算方法的有效性验证。论文在提出了基于数据复杂性的信息系统复杂度测量模型的基础上,考虑到该模型提出时间短、应用案例少等问题,借助了基于体系结构复杂性的信息系统复杂度测量模型作为基准,通过对相同案例的应用研究,验证了基于数据复杂性的信息系统复杂度测量模型和计算方法的有效性,并通过实证结果说明了新测量模型具有测量角度更加合理,测量模型更加全面,测量结果更容易反映信息系统的结构差异和内容变化等优势。收起

关键词 : 数据复杂性信息系统复杂度测量模型有效性验证

4. 统计图理解的语义加工研究

[学位论文] 姚美雄华东师范大学 2007年硕士导师: 梁宁建共47页

摘要 : 统计图在日常生活和科学研究中的到了广泛的应用，现在对统计图理解的研究也越来越多。但是以往的研究大多关注简单图形和直接任务。本研究关注一种在科学研究中经常用到的统计图——多因素二维线形图。通过两个实验考察读者阅读多因素二维线形图时的... 展开

关键词 : 统计图理解语义加工数据复杂性图像区域视线停留时间

5. 混合型不平衡数据分类方法及应用研究

[学位论文] 陈雨文山西财经大学 2020年硕士导师: 石洪波共88页

摘要 : 类别不平衡分类问题广泛存在于金融、生物医学、信息安全等诸多领域，在信用风险评估、疾病检测等实际应用中，类别不平衡数据通常是分类型和数值型数据并存，将分类型数据数值化，会引入不合理的序信息，且假定不同分类型属性值间距离相等。不平衡数... 展开类别不平衡分类问题广泛存在于金融、生物医学、信息安全等诸多领域，在信用风险评估、疾病检测等实际应用中，类别不平衡数据通常是分类型和数值型数据并存，将分类型数据数值化，会引入不合理的序信息，且假定不同分类型属性值间距离相等。不平衡数据本身的特性，如类别不平衡、类重叠、少数类样本过少等，是影响其分类困难的主要原因，也是影响数据复杂程度的重要原因。因此，对于包含分类型和数值型数据的混合型不平衡数据，在理解数据的复杂性的前提下，设计合理的数据组合映射方法，降低数据的复杂性，对于提升混合型不平衡数据的分类性能具有重要意义。本文针对混合型不平衡数据开展研究，其主要研究工作包括以下三个方面：（1）数据本身的复杂程度是影响分类性能的关键因素，针对分类型数据难以直接度量其复杂性的问题，本文考虑属性与类标签的特点，利用HVDM（Heterogeneous Value Difference Metric）距离度量方法，分别从三个角度提出了适用于混合型不平衡数据的复杂性度量方法，有效解决了具有分类型和数值型数据的混合型不平衡数据难以直接度量复杂性的问题。然后通过实验验证了所提方法的有效性，并最终得出结论：不平衡数据的复杂性可以使用多数类和少数类复杂性的差值来判断。（2）对于复杂性较高的混合型不平衡数据集，传统欠采样易丢失样本信息、过采样易加重两类样本重叠、产生过拟合等问题，本文结合分类型数据的特点，重点关注数据的不平衡性与类重叠，提出了ReSC数据组合映射方法。通过设计相应的样本组合方案，避免了对分类型数据进行数值编码，减少了类间样本的重叠，从而降低了混合型不平衡数据的复杂性。本文分别通过理论分析和实验分析验证了ReSC数据组合映射方法的合理性和有效性。（3）在金融领域中，信用风险评估数据具有混合型不平衡数据的特点，本文以其为应用点进行研究，采用ReSC数据组合映射方法对其进行预处理，并分别从数据复杂性的角度和分类性能的角度对其进行了实验分析，最终，通过实验验证了复杂性度量方法和ReSC数据组合映射方法在实际应用场景中的可行性。通过分析混合型不平衡数据的复杂性理解数据，采用ReSC数据组合映射方法降低数据复杂性，解决了分类型数据难以直接处理的问题。本文的研究对混合型数据的不平衡分类问题具有重要的理论意义和现实意义。收起

关键词 : 混合型不平衡数据分类距离度量数据组合映射数据复杂性