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
AI Echoes22 分钟前
别再手工缝合API了!开源LLMOps神器LMForge,让你像搭积木一样玩转AI智能体!
人工智能·python·langchain·开源·agent
AI Echoes25 分钟前
从零构建企业级LLMOps平台:LMForge——支持多模型、可视化编排、知识库与安全审核的全栈解决方案
人工智能·python·langchain·开源·agent
beijingliushao1 小时前
58-正则表达式
数据库·python·mysql·正则表达式
陈敬雷-充电了么-CEO兼CTO1 小时前
具身智能多模态感知与场景理解:融合语言模型的多模态大模型
人工智能·python·gpt·语言模型·自然语言处理·chatgpt·多模态
荔枝吻1 小时前
【AI总结】Python BERT 向量化入门指南
人工智能·python·bert
张子夜 iiii1 小时前
传统神经网络实现-----手写数字识别(MNIST)项目
人工智能·pytorch·python·深度学习·算法
Rhys..2 小时前
python + Flask模块学习 1 基础用法
python·学习·前端框架·flask
飞翔的佩奇2 小时前
【完整源码+数据集+部署教程】骰子点数识别图像实例分割系统源码和数据集:改进yolo11-DCNV2
python·yolo·计算机视觉·数据集·yolo11·骰子点数识别图像实例分割
Source.Liu2 小时前
【Python基础】 13 Rust 与 Python 注释对比笔记
开发语言·笔记·python·rust
qq_195551692 小时前
代码随想录70期day3
开发语言·python