基于隶属度的软件可靠性综合预测方法

将多模型综合的思想和"变点"思想相结合,给出了一种简单有效且具有普适性的软件可靠性预测方法——基于模糊隶属度的软件可靠性多模型综合预测方法。首先阐述了多模型综合预测问题的一般描述,并介绍了模型评价准则,然后给出了单个模型权重的确定方法和该方法的一般步骤,最后用实际数据验证了方法的有效性及普适性。     

软件可靠性多模型综合的预测方法

针对软件可靠性工程领域中存在的不同可靠性模型预测相同软件结果不一致的问题，提出了一种用神经网络实现的软件可靠性多模型综合预测方法，能够有效地解决软件工程中的实际问题，通过实例分析验证了该方法的有效性。     

基于泛函网络的软件可靠性多模型综合预测方法

将泛函网络引入软件可靠性预测,利用其比神经网络更好的解释性及其他性能,提出了基于泛函网络的软件可靠性多模型综合预测方法。首先阐述了泛函网络的结构和学习过程,然后将多个单一模型的预测值作为泛函网络的输入,将实际值作为输出,建立泛函网络结构,给出了泛函网络的学习算法,制定了3种训练策略,并进行了实验分析。实验结果表明:在第三种训练策略下,基于泛函网络的软件可靠性多模型综合预测方法有较高的预测精度,其预测效果比单个模型和Lyu提出的线性综合模型都好。     

一种改进的基于路径的构件软件可靠性模型研究

基于构件的软件可靠性分析往往把构件的可靠性当作自身固有不变的属性,忽略了在不同的运行路径下因构件所处的交互环境不同造成的实际可靠性的变化。因此,提出一种改进的基于路径的构件软件可靠性模型,它引入构件动态迁移图来建立构件软件运行路径和构件可靠性关系,给出一种改进的基于路径的用以计算构件软件可靠性的方法。最后通过实例验证了该方法的有效性和可行性。     

软件可靠性建模研究

依据软件可靠性特征,提出以解决软件开发逻辑思维正确性为建模基本问题的可靠性建模思想。给出基于失效过程的软件可靠性定义,以及一种基于“任务-事件-功能”的软件体系结构准则,进行了形式化描述和理论证明。阐述从功能可靠性、事件可靠性到任务可靠性的分层可靠性预计方法,在建模中融合了软件可靠性设计以及软件测试和管理。     

基于功能路径的软件可靠性评估方法

软件可靠性一般是通过可靠性模型进行估计,而软件可靠性理论大都从硬件产品发展而来,不能恰当地反映出软件产品的固有特点。基于这样的考虑,从软件故障产生的根源出发,提出一种基于功能路径的软件可靠性评估方法。通过功能路径的概念,将软件可靠度归结到故障路径的数目上,再通过操作的概念与输入空间建立联系。分析了时间因素与软件可靠性的关系,并给出了该模型在实际测试中的估计方法。用实例分析验证了该方法的可行性。这种评估方法可用于软件使用阶段的可靠性验证。     

基于云模型的可信软件可靠性度量模型

针对可信软件可靠性定性评估问题,将云模型理论与GB/T16260中软件可靠性度量指标相结合,提出了一种基于云模型的软件可靠性度量模型.模型根据可靠性度量指标提取样本信息,通过云发生器生成云模型,运用合并云算法将多个属性云合并为一个综合云模型,使用带权重的欧氏距离云决策算法确定综合云模型的可靠性等级.通过某安全关键软件验证,该模型能够更加客观、真实地反映软件的可靠性.     

基于SCPN的软件可靠性建模与分析

针对软件动态行为复杂难以建模,且可靠性难以评估的问题,提出一种基于随机有色Petri网SCPN(Stochastic Colored Petri Net)的软件可靠性建模与分析方法。在建立软件可靠性分析的元结构模型的基础上,分别建立软件可靠性分析的串联结构模型和并联结构模型,有效地描述了软件的静态结构和动态行为。以某工厂采购系统为目标系统,以Time NET4.0为平台,建立其基于SCPN的软件可靠性分析模型,仿真验证了所提方法的正确性和有效性。该方法可以为软件可靠性的早期评估提供理论指导。     

一类非最小相位系统分层递阶多模型解耦控制器

针对多模型控制方法中模型数目巨大,计算时间长等问题,提出了分层递阶结构多模型自适应前馈解耦控制器.该控制器中固定模型集采用分层递阶结构,基于切换准则逐层搜索最优模型,动态构造下一层固定模型集实现完全覆盖.最后一层添加自适应模型消除稳态误差.针对非最小相位系统,将系统的耦合作用视为可测干扰,采用前馈方法予以消除.最后给出全局收敛性分析.仿真结果表明,与常规多模型控制方法相比,极大地减少了固定模型的数量.而当模型数目相同时,系统的暂态响应、解耦效果得到极大改善.     

网格环境中动态信任模型研究

为了提高网格交互的安全性,客观地反映信任的主观性、模糊性及主体问信任关系的动态性,提出了基于模糊理论的动态信任管理方法.通过特征向量和隶属度等概念,实现了信任的动态描述.针对不同的上下文环境,结合推荐节点的直接交互经验,建立了信任的模糊综合评判模型并通过反模糊化,得出量化评估结果.基于时间衰减和模糊贴近度两因素,给出了信任更新模型.仿真实验分析表明,该方法对网格环境中的信任评估是可靠的、有效的.     

Robust feedforward and recurrent neural network based dynamic weighted combination models for software reliability prediction

Traditional parametric software reliability growth models (SRGMs) are based on some assumptions or distributions and none such single model can produce accurate prediction results in all circumstances. Non-parametric models like the artificial neural network (ANN) based models can predict software reliability based on only fault history data without any assumptions. In this paper, initially we propose a robust feedforward neural network (FFNN) based dynamic weighted combination model (PFFNNDWCM) for software reliability prediction. Four well-known traditional SRGMs are combined based on the dynamically evaluated weights determined by the learning algorithm of the proposed FFNN. Based on this proposed FFNN architecture, we also propose a robust recurrent neural network (RNN) based dynamic weighted combination model (PRNNDWCM) to predict the software reliability more justifiably. A real-coded genetic algorithm (GA) is proposed to train the ANNs. Predictability of the proposed models are compared with the existing ANN based software reliability models through three real software failure data sets. We also compare the performances of the proposed models with the models that can be developed by combining three or two of the four SRGMs. Comparative studies demonstrate that the PFFNNDWCM and PRNNDWCM present fairly accurate fitting and predictive capability than the other existing ANN based models. Numerical and graphical explanations show that PRNNDWCM is promising for software reliability prediction since its fitting and prediction error is much less relative to the PFFNNDWCM.     

级联网络的软件可靠性预测

研究软件可靠性准确预测问题,软件存在动态失效性,且引起软件运行失效的原因具有随机性,不同可靠性模型预测相同软件得到的结果不一致,通用性比较差,导致预测精度低。为了提高软件可靠性预测精度,提出一种级联网络的软件可靠性预测模型。采用4种经典软件可靠性模型的输出作为BP神经网络模型的输入,利用各种单一预测模型的优点,建立一种新的级联软件可靠性模型。仿真结果表明,级联网络模型具有更高的预测精度和通用性,验证了级联网络预测模型对软件可靠性预测的有效性和良好的应用前景。     

基于混合逻辑的非线性系统多模型预测控制

针对已有的多模型预测控制算法在模型预测过程中采用局部线性模型进行预测而产生的预测误差较大这一问题, 本文将非线性过程的多模型描述与输出预测之间的因果关系以约束条件的形式引入到模型预测控制的设计中, 将非线性过程描述成为一个混合逻辑动态系统模型, 模型切换规则以先验知识的形式引入到多模型预测过程中, 该模型可以全局地表征非线性过程的特性, 从而解决了多模型约束非线性预测控制的模型预测与模型切换问题.     

基于机器学习理论的软件可靠性预测研究

由于软件可靠性早期预测在测试前就能够使开发和测试的相关人员对软件的可靠性有一定的了解,所以对于软件如何进一步开发、测试和质量的控制都具有十分重要的作用。该文将支持向量机理论引入到软件可靠性早期预测领域中来,提出了基于支持向量机的软件可靠性早期预测模型。通过对比仿真实验,证实了此模型同传统模型相比具有预测精度更高、泛化能力更强、对样本数量的依赖程度更低的特点。     

粒度决策演化模型的博弈选择研究

粒度决策演化模型是基于时间序列对粗糙集在动态数据预测方面的一种方法,对于在处理动态数据方面该模型有着较好的效果。但是在预测过程中出现属性支持度相同的属性时如何解决冲突模型并未说明,在粒度决策演化模型的基础上利用博弈论方法对解决这种冲突进行研究。     

基于机器学习理论的软件可靠性预测研究

由于软件可靠性早期预测在测试前就能够使开发和测试的相关人员对软件的可靠性有一定的了解．所以对于软件如何进一步开发、测试和质量的控制都具有十分重要的作用。该文将支持向量机理论引入到软件可靠性早期预测领域中来,提出了基于支持向量机的软件可靠性早期预测模型。通过对比仿真实验,证实了此模型同传统模型相比具有预测精度更高、泛化能力更强、对样本数量的依赖程度更低的特点。     

软件可靠性组合预测模型研究

根据灰色模型、谐波分析和时间序列分析理论,对软件测试阶段的失效数据构成的时间序列进行分析,得到软件可靠性组合预测模型。结合实际数据,给出了具体的实现方法。数据试验结果表明,与单一时间序列预测模型相比,该模型具有较高的预测精度和很好的模型适应性。