软件老化分析

软件老化

++课程++:软件质量分析



作业



解答

Python代码如下:

python 复制代码
n = int(input("类别数:"))
theta = list(map(float, input("各个类别的权重:").split()))
m = list(map(int, input("各个类别的度量元数量:").split()))
R = []
BETA = []
for i in range(n):
    beta = list(map(float, input("第{0}个类别-各个度量元的权重:".format(i + 1)).split()))
    r = list(map(float, input("第{0}个类别-各个度量元的该时刻最大风险值:".format(i + 1)).split()))
    BETA.append(beta)
    R.append(r)

import math
Hs = []
Us = []
for i in range(n):
    H = 0
    for j in range(m[i]):
        H += BETA[i][j] * math.log10(R[i][j])
    U = max(10 * math.exp(-H), 1)
    Hs.append(H)
    Us.append(U)

print("各类别的熵:{0}".format(Hs))
print("各类别的可信值:{0}".format(Us))
T = 1
for i in range(n):
    T *= math.pow(Us[i], theta[i])
print("可信值:{0}".format(T))

运行结果如下:

python 复制代码
# 当t=0时
类别数: 5
各个类别的权重: 0.539 0.125 0.238 0.049 0.049
各个类别的度量元数量: 15 4 7 2 2
第1个类别-各个度量元的权重: 0.0506 0.1845 0.0238 0.0238 0.0774 0.0774 0.0774 0.0238 0.0238 0.0506 0.0506 0.0238 0.0238 0.1042 0.1845
第1个类别-各个度量元的该时刻最大风险值: 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
第2个类别-各个度量元的权重: 0.25 0.25 0.25 0.25
第2个类别-各个度量元的该时刻最大风险值: 1 1 1 1
第3个类别-各个度量元的权重: 0.2340 0.1064 0.1064 0.2340 0.1064 0.1064 0.1064
第3个类别-各个度量元的该时刻最大风险值: 1 1 1 1 1 1 1
第4个类别-各个度量元的权重: 0.2 0.8
第4个类别-各个度量元的该时刻最大风险值: 1 1
第5个类别-各个度量元的权重: 0.1 0.9
第5个类别-各个度量元的该时刻最大风险值: 1 1
各类别的熵:[0.0, 0.0, 0.0, 0.0, 0.0]
各类别的可信值:[10.0, 10.0, 10.0, 10.0, 10.0]
可信值: 10.0

# 当t=10时
类别数: 5
各个类别的权重: 0.539 0.125 0.238 0.049 0.049
各个类别的度量元数量: 15 4 7 2 2
第1个类别-各个度量元的权重: 0.0506 0.1845 0.0238 0.0238 0.0774 0.0774 0.0774 0.0238 0.0238 0.0506 0.0506 0.0238 0.0238 0.1042 0.1845
第1个类别-各个度量元的该时刻最大风险值: 7 7 9 7 7 4 7 9 7 1 7 9 1 4 7
第2个类别-各个度量元的权重: 0.25 0.25 0.25 0.25
第2个类别-各个度量元的该时刻最大风险值: 7 7 7 9
第3个类别-各个度量元的权重: 0.2340 0.1064 0.1064 0.2340 0.1064 0.1064 0.1064
第3个类别-各个度量元的该时刻最大风险值: 7 10 7 9 4 10 4
第4个类别-各个度量元的权重: 0.2 0.8
第4个类别-各个度量元的该时刻最大风险值: 9 7
第5个类别-各个度量元的权重: 0.1 0.9
第5个类别-各个度量元的该时刻最大风险值: 7 9
各类别的熵: [0.7458799513127149, 0.8723841573705238, 0.8518824861842456, 0.8669269338992704, 0.9433280624968181]
各类别的可信值: [4.743167406123722, 4.1795389258142865, 4.266110860961348, 4.20240995313211, 3.893299624085329]
可信值: 4.481945667961918
相关推荐
许彰午1 小时前
14_Java泛型完全指南
java·windows·python
广州灵眸科技有限公司2 小时前
瑞芯微RV1126B开发板(EASY-EAI-PI2) Easy-Eai编译环境准备与更新
服务器·前端·人工智能·python·深度学习
TechWayfarer2 小时前
IP风险等级评估接入实战:金融信贷如何用IP画像辅助风控审核
python·tcp/ip·安全·金融
Esaka_Forever2 小时前
uv init 完整用法(Python 最快包管理器)
服务器·python·uv
ylscode3 小时前
Comodo防火墙曝致命零日漏洞:单个IPv6数据包即可触发Windows蓝屏死机
运维·网络·windows·安全·安全威胁分析
持敬chijing4 小时前
Web渗透之SQL注入-文件读写-木马植入
sql·安全·web安全·网络安全·安全威胁分析
持敬chijing5 小时前
Web渗透之SQL注入-联合查询注入-注入点数据类型判断
前端·sql·安全·web安全·网络安全·安全威胁分析
神仙别闹5 小时前
基于Python + SQL server 实现(GUI)原神圣遗物管理与角色数值模拟系统
java·数据库·python
是有头发的程序猿6 小时前
电商自动化实战:淘宝/天猫item_get商品详情API全量采集教程(Python源码)
java·python·自动化
_不会dp不改名_6 小时前
python-opencv环境搭建
开发语言·python·opencv