最优样本子集生成及进化LS-SVM的软件成本预测模型构建  

作　　者：蒋铁军[1,2] 刘宝平[2] 王先甲[1] 

机构地区：[1]武汉大学经济与管理学院,武汉430072 [2]海军工程大学装备经济管理系,武汉430033

出　　处：《统计与决策》2015年第23期31-34,共4页Statistics & Decision

基　　金：国家社会科学基金军事学项目(11GJ003-072);国家自然科学基金资助项目(71231007;71071119);中国博士后科学基金项目(2013M542067;2014T70742)

摘　　要：文章提出了一种基于灰色相似度和信息熵的最优样本子集生成方法,进而采用LS-SVM方法建立了软件成本预测模型,并运用混合网格搜索和粒子群优化算法进化得到模型的各项参数。实证以加拿大软件园的desharnais数据集为对象,通过网格搜索确定灰色相似度的分辨系数和样本子集的相似度阈值,采用粒子群算法确定LS-SVM模型的参数,通过与线性回归和不考虑样本子集生成的预测结果比较发现:该方法在软件成本预测中的准确率有较大提高。

关 键 词：灰色相似度 样本子集 属性加权 软件成本预测 

分 类 号：N945[自然科学总论—系统科学]