[1]张明悦,金芝,赵海燕,罗懿行.机器学习赋能的软件系统自适应性[J].软件学报,2020,31(8).

[2]乐毅,郑诚.入侵检测系统自适应的研究[J].计算机技术与发展,2003,13(6).

[3]刘建伟,孙正康,罗雄麟.域自适应学习研究进展[J].自动化学报,2014,40(8):1576-1600.

[4]于倩,蔚承建,王开,朱林军.基于机器学习的MapReduce资源调度算法[J].计算机应用研究,2016,33(1).

[5]殷脂,曹渠江.构件软件的自适应测试[J].计算机应用,2005,25(Z1):417-420.

[6]蒋冬梅.流媒体点播学习系统自适应性研究[J].微型机与应用,2011,30(17):85-87.

[7]万年红,王雪蓉.一个决策驱动的网构软件动态演化模型[J].计算机应用研究,2011,28(2):628-630.

[8]张东波,王耀南.动态自适应选择神经网络集成的方法研究[J].信息与控制,2007,36(4):434-440.

[9]崔冬华,刘吉林.基于反射的松耦合软件框架的研究[J].微计算机信息,2007,23(30):232-234.

[10]李志聪,钟绍春.自适应学习系统中朴素贝叶斯分类的应用研究[J].计算机工程与科学,2009,31(9).

[11]高洁,卓汉魁,李磊.基于不确定性动作模型学习理论的软件需求获取方法[J].计算机科学,2012,39(8):141-146,177.

[12]牛罡,罗爱宝,商琳.半监督文本分类综述[J].计算机科学与探索,2011,5(4):313-323.

[13]叶培.最大熵在中医智能辨证的研究及其应用[J].计算机时代,2015(3):50-52,55.

[14]刘建峰,吕佳.融合主动学习的改进贝叶斯半监督分类算法研究[J].计算机测量与控制,2014,22(6):1938-1940.

[15]谢振平,王 涛,刘 渊.一种集成贝叶斯决策的视频烟雾检测新方法[J].计算机工程与应用,2014(3):173-176.

[16]叶晓波,王松.贝叶斯分类与LVQ神经网络分类性能对比研究[J].电脑与信息技术,2013,21(4):14-17,41.

[17]宫秀军,刘少辉,史忠植.一种增量贝叶斯分类模型[J].计算机学报,2002,25(6):645-650.

[18]徐大伟,董渊,张素琴.文本分类技术在海洋信息处理领域中的应用[J].计算机科学,2008,35(11):144-146.

[19]张亚萍,胡学钢.基于K-means的朴素贝叶斯分类算法的研究[J].计算机技术与发展,2007,17(11):33-35.

[20]武永成.一种新的代价敏感分类方法[J].计算机与现代化,2009(3).