应用神经网络的软件可靠性估测

软件可靠性测试中可以近似认为相似软件等量时间的失效数据可以选用同一种数据域模型预测,所以可以根据软件测试结果历史数据,使用神经网络预测同类软件的缺陷数。试验结果表明:神经网络预测软件缺陷比传统模型有更好的预测精度和估测能力。     

捷联惯导的软件测试及可靠性分析

本文介绍了捷联式惯性导航系统的软件系统的测试方法及可靠性分析方法。该方法能高效，经济地对软件部分进行测试和给出软件的可靠性度量。主要讨论了基于实时仿真的软件测试方法和可靠性模型的选择及运用。     

软件可靠性数据预处理研究

软件可靠性模型是根据与软件可靠性相关的数据,以统计方法或模糊方法对软件的可靠性进行度量、评估和预测。以往对软件可靠性的预测是针对原始数据进行建模,而原始数据所存在的不平稳性的缺陷,直接导致可靠性模型预测结果的误差较大。本文以软件可靠性模型研究中原始数据存在的问题为出发点,探讨提高软件可靠性预测的方法。通过对可靠性数据的预处理,解决其不平稳性导致预测结果误差较大的问题。     

基于率的构件软件可靠性过程仿真

与传统的基于模型的构件软件可靠性分析方法相比,基于率的仿真方法由于可以灵活地跟踪软件动态失效过程,近年来开始用于分析构件软件的可靠性过程.但是,目前已经提出的仿真方法对构件软件测试中的故障排除过程做了过分简化的假设,而未能描述软件系统实际的可靠性过程.针对这个问题,提出了一种仿真方法.该方法采用一个混合排队模型建模故障排除过程,其中考虑到了排错策略和排错资源的局限性问题.在此基础上开发出仿真过程,实现对构件软件可靠性过程的仿真.实验结果表明了该仿真方法的有效性.     

软件测试中可靠性模型的设计与研究

软件测试是保证软件质量和提高软件可靠性的关键所在,而软件可靠性是衡量软件质量的重要指标之一,二者有着非常紧密的联系。软件可靠性模型既是软件可靠性进行定量分析的基础和保障,也是软件可靠性进行预测的核心和关键,对保证软件质量起到了非常重要的作用。文中结合软件测试与软件可靠性及其模型的相关理论,通过对Seeding模型的分析与改进,提出了一种适用于软件测试的可靠性模型。实验结果表明,使用文中提出的软件可靠性模型能较好地满足软件对可靠性评估的要求,较好地应用在软件测试中。     

软件可靠性测试充分性研究

在阐述了软件测试充分性的定义和软件测试充分性准则的定义、分类和作用的基础上，形式化分析了软件正确性测试充分性和软件可靠性测试充分性的目的和实质，重点研究了软件可靠性测试的充分性，将软件可靠性测试充分性准则分为软件可靠性增长测试充分性准则和软件可靠性验证测试充分性准则，给出将测试充分性准则用于可靠性测试流程的模型。     

考虑排错过程引进故障的开源软件可靠性模型研究

近年来,开源软件在软件行业很受欢迎。但是,开源软件的可靠性却受到人们的广泛质疑。如何评估开源软件的可靠性是一个重要的问题。与传统的闭源软件相比,在建立开源软件可靠性模型时,必须考虑故障引入和故障检测与排错之间的延迟时间这两个因素。本文考虑了排错过程和不完美调试现象,提出了相应的开源软件可靠性模型。并且我们用两个开源软件故障数据集实来验证提出模型的拟合性能与预测性能。实验结果表明,提出的模型在开源软件可靠性评估中具有良好的拟合和预测性能。提出的模型可以用于开源软件在实际的开发过程中的可靠性评估。     

考虑用户行为和排错延迟的软件运行可靠性增长模型

传统的软件可靠性模型大多都假设软件测试环境和运行环境相同,也就是使用软件测试阶段的失效数据来预测软件运行可靠性。众所周知,软件固有故障的排除能提高系统可靠性,然而另一种现象就是随着用户对软件熟悉程度的提高,软件的失效率也会降低。文中研究了软件固有故障检测过程、固有故障纠正过程和外在失效过程的特征,建立了考虑用户行为和排错延迟下的软件运行可靠性增长模型。通过一组来自于开源软件用户缺陷跟踪系统中的真实数据进行数值分析,实验结果表明提出的模型具有较好的效果。     

ISTREM软件测试可靠性评估方法研究

在航空电子系统软件测试的背景上,对ARINC653平台燃油模块在Testbed测试平台上的测试用例进行统计,得出实际测试案例分布服从特殊泊松的数学特征。根据软件测试的时间依赖性提出一种新的可靠性评估模型ISTREM,并且求得软件测试用例的失效率,从而对软件进行可靠性评估,解决了软件测试可靠性评估过程复杂且计算量较大并且忽略时间依赖性的问题。在Matlab平台上对软件系统(燃油模块)的测试可靠性进行评估,得出实验结果,并且提出不足。     

引入关联缺陷的软件可靠性评估模型

关联缺陷的存在很大程度上是由于缺陷的检测能力被其他缺陷所屏蔽,它不仅影响软件测试结果,还扭曲了软件可靠性评估模型的评估结果.从软件缺陷的自身角度来分析软件检测以及可靠性评估失效的原因,对关联缺陷进行了详细分析.为了在软件可靠性评估时获得更符合实际缺陷数量的预测值,将广义关联应用于现有可靠性评估模型的改进上,并提出了P-NHPP(phase-nonhomogeneous poisson process,简称P-NHPP)可靠性模型.实验分析表明,P-NHPP具有较好的拟合效果和预测能力.     

基于软件过程的软件可靠性预测运作模型

提出了基于软件开发过程数据,构造用于可靠性预测的过程数据库,并分析了此数据库的内容与运作模型,以期得到更加可信、准确的软件可靠性预测结果,为后续的研究奠定数据基础.     

基于改进型神经网络的软件可靠性模型

针对传统软件可靠性模型需要分析软件体系结构的可行性问题,提出使用改进型神经网络计算可靠性的模型。采用自组织算法,优化设计隐含层神经网络,并使用测试数据训练网络,得到可靠性模型。实验结果证明,该模型能够在缺乏对软件内部结构分析的情况下作出与传统模型同样精确的预测。     

基于时间序列的软件可靠性预测模型研究

将软件可靠性测试阶段获得的失效数据作为时间序列进行多尺度分解,对分解到不同尺度上的数据分别利用不同的时序预测模型进行分析,得到软件可靠性多尺度预测模型.数据实验表明与单一时序预测模型相比,该模型逼近和预测效果良好,具有较高的预测精度和很好的模型适应性.     

Empirical Research on the Application of a Structure-Based Software Reliability Model

Reliability engineering implemented early in the development process has a significant impact on improving software quality. It can assist in the design of architecture and guide later testing, which is beyond the scope of traditional reliability analysis methods. Structural reliability models work for this, but most of them remain tested in only simulation case studies due to lack of actual data. Here we use software metrics for reliability modeling which are collected from source codes of post versions. Through the proposed strategy, redundant metric elements are filtered out and the rest are aggregated to represent the module reliability. We further propose a framework to automatically apply the module value and calculate overall reliability by introducing formal methods. The experimental results from an actual project show that reliability analysis at the design and development stage can be close to the validity of analysis at the test stage through reasonable application of metric data. The study also demonstrates that the proposed methods have good applicability.      

基于极限学习机的组合软件可靠性模型研究

针对单一软件可靠性模型适应性不强和数据驱动模型稳定性较差的问题,本文选取3种典型软件可靠性模型作为基模型,利用极限学习机对基模型的预测结果进行加权优化,得到组合软件可靠性模型,实现经典软件可靠性模型和人工智能算法的有机结合。通过对3组失效数据进行仿真实验,并与单一模型、基于其他神经网络算法的组合模型以及数据驱动模型的预测结果进行对比,验证了本文模型能够有效地提升预测精度和模型的适应性。     

基于SVR的软件可靠性预测模型研究

利用软件生命周期中的相关数据进行软件可靠性分析与预测是软件可靠性工程的重要组成部分。首先从软件开发全过程中分析影响软件可靠性的相关因素,对其进行定义并确定度量方法,然后以支持向量回归机(SVR)分析方法为数学工具,建立基于软件质量度量的软件可靠性预测模型,并对该模型进行仿真分析。     

一种面向开发过程的软件可靠性预测方法

在进行软件开发时,该如何回答这样的问题,＂当前开发的软件可靠性是什么？＂这个对于用户来说是非常重要的信息,却难以表述。以此为方向,研究了一种面向开发过程的软件可靠性预测方法,结合软件开发各个阶段的特点,通过合理地采用软件可靠性早期预测模型,实现对开发中软件可靠性的预测。实践应用表明,该方法紧密结合软件开发的实际,反映了软件可靠性与开发人员的水平、开发规范的标准之间的联系,有助于采取必要的措施提高其以后的可靠性,从而也验证了该方法的工程实用性。     

星载软件可靠性模型应用研究及实践

为定量评估软件的可靠性指标,介绍了利用软件可靠性模型评估软件可靠性的过程和方法;针对某星载嵌入式软件的失效趋势,根据模型的选择原则和方法,以及模型的预测质量的对比,最终选择了指数模型作为可靠性评估模型。对该软件在轨运行情况进行了可靠性评估,开展了基于该软件可靠性测试数据的可靠性评估,评估结果给出了该软件的可靠性水平。     

基于学习向量量化神经网络的软件可靠性预测

针对传统的软件可靠性预测模型在实际应用中存在预测泛化性能不佳等问题,提出一种基于学习向量量化（LVQ）神经网络的软件可靠性预测模型。首先分析了LVQ神经网络的结构特点以及它与软件可靠性预测的联系,然后运用该网络来进行软件可靠性的预测,并基于美国国家航空航天局（NASA）软件数据项目中的实例数据集,运用Matlab工具进行了仿真实验。通过与传统预测方法的对比,证明该方法具有可行性和较高的预测泛化性能。