论文部分内容阅读
将基于类比的软件工作量估算（ASEE）中的特征选择问题建模为多目标优化问题．其中一个优化目标是最大化工作量估算的精度，另一个优化目标是最小化选出的特征数．基于这2个潜在矛盾的优化目标，提出了一种新颖的包裹式特征选择方法MASE．在实证研究中，选择了实际项目，包括Desharnais的77个项目和Maxwell的62个项目作为评测对象，并将MASE方法与经典基准方法进行了比较．最终结果表明：基于MMRE，MdMRE，PRED（0．25）和SA评测指标，MASE方法可以选出更少的特征，且预测精度更高．