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
云和数据.ChenGuang29 分钟前
光哥说Python RAG 系统需要哪些评估指标:从检索到生成的全链路评测指南
网络·人工智能·python·算法·langchain
专注仿真1 小时前
线性回归和逻辑回归算法详解
开发语言·人工智能·python·大模型训练·控制算法
wflynn2 小时前
GitHub 今日推荐|Edge0:让大号 MoE 模型在一台 Mac 上流式跑起来
python·开源·github
2601_967980112 小时前
python之用scapy分层解析pcap报文(Ethernet帧、IP数据包、TCP数据包、UDP数据包、Raw数据包)
python·scapy·pcap·协议分析·网络数据包
心疼你的一切2 小时前
Python自动发邮件实战定时发报表
大数据·开发语言·python
卡提西亚4 小时前
FastAPI基础入门
python·fastapi
fanruitian4 小时前
python 机器学习 ML LinearRegression KNN KMeans
python·机器学习·kmeans
鱼宵4 小时前
取集合第一个元素,Java 为什么要写三种写法?
java·windows·python·java21
卷无止境4 小时前
给AI装上一双眼睛:快速构建代码验证器的思路与落地方案
后端·python
维克兜率天5 小时前
【维克】指数调整:哪些股票会被“强制买入“?
人工智能·python·算法