考虑测试工作量与覆盖率的软件可靠性模型

为了进一步提升现有非齐次泊松过程类软件可靠性增长模型的拟合与预计精度,首先,提出一个同时考虑测试工作量与测试覆盖率的NHPP类软件可靠性建模框架.在此基础上,将变形S型测试工作量函数(IS-TEF)以及Logistic测试覆盖率函数(LO-TCF)带入该建模框架,建立了一个新的软件可靠性增长模型,即IS-LO-SRGM.同时,还对利用该框架进行建模过程中的两个重要问题进行了描述与分析,即如何确定具体的TEF和TCF以及模型参数估计.然后,在两组真实的失效数据集上,利用该建模框架建立了最为合适的增长模型,即IS-LO-SRGM,并将该模型与8种经典NHPP模型进行对比.实例验证结果表明,所提出的IS-LO-SRGM模型具有最为优秀的拟合与预计性能,从而证明新建模框架的有效性和实用性.最后,对不完美排错情况进行了初步的讨论与建模分析.     

基因表达式编程在软件可靠性建模中的应用

基因表达式编程是一种基于遗传算法和遗传编程的新型机器学习技术,其具有更为优秀的数据挖掘能力,已被成功应用于函数发现领域。提出一种基于基因表达式编程的非参软件可靠性建模方法,该方法将基因表达式编程算法中的若干关键步骤(如初始种群函数集、适应度函数、终止条件等)与软件可靠性建模的若干重要特征相融合,在失效数据集上进行训练,从而获得基于基因表达式编程算法的非参软件可靠性模型。在若干组真实失效数据集上,将所提出的模型与若干典型的基于人工神经网络以及遗传编程的非参软件可靠性模型进行对比实例研究。实例结果表明,基因表达式编程算法的非参软件可靠性模型具有更为显著的模型拟合与预计性能。     

基于测试覆盖的嵌入式软件可靠性评估

为了提高软件可靠性的评估和预测精度,提出了一个基于测试覆盖的非齐次泊松过程类软件可靠性增长模型,通过将测试覆盖率信息考虑到软件可靠性模型中去,使模型能够更准确地描述软件的测试过程,并能避免由于测试的不充分性而导致的可靠性评估偏离软件的真实情况.提出了结合变点思想的基于测试覆盖的软件可靠性评估方法,该方法解决了工程实践中经常出现的测试过程中剖面发生变化而导致失效数据不服从同一分布的实际问题.最后,通过实例分析,验证了该方法的准确性和有效性.     

潜伏故障点不完美覆盖的软件可靠性增长模型

现有的基于测试覆盖率的非齐次泊松过程（NHPP）类软件可靠性增长模型绝大多数都没有考虑到潜伏故障点不完美覆盖的情况。提出了一种考虑潜伏故障点不完美覆盖的软件可靠性NHPP增长模型,称之为UPNHPP模型。在一组失效数据上的实验分析表明,对这组数据,UPNHPP模型与其他模型相比有更好的拟合效果。     

软件可靠性混沌神经网络模型

基于经验模态分解算法、混沌分析和神经网络理论提出了一种软件可靠性建模及预测的混沌神经网络模型。首先应用经验模态分解算法把软件失效数据序列分解成不同尺度的基本模态分量,并在此基础上进一步分析,表明软件失效数据是否存在混沌特性;再经神经网络进行组合预测,提高模型对目标函数的学习能力,有效提高预测精度;最后基于两组真实软件失效数据集,将所提出的方法与基于支持向量回归机以及单纯使用神经网络的软件可靠性预测模型进行比较分析。结果表明,基于混沌分析、结合经验模态分解和神经网络的软件可靠性预测模型具有更为显著的模型拟合能力与精确的预测效果。     

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。     

一种考虑缺陷关联的软件可靠性增长模型

非齐次泊松过程类软件可靠性增长模型(NHPP-SRGMs)是评价软件产品可靠性指标的有效工具,但大多数该类模型都未考虑软件缺陷关联这一测试过程中普遍存在的现象。该文在考虑软件缺陷关联关系的基础上对缺陷进行分类,提出一个改进的NHPP类软件可靠性增长模型。在一组失效数据上的实验分析表明,改进的模型具有较好的拟合效果和预测能力。     

基于测试成本元素的众包测试缺陷数量估计模型

为实时监控众包测试任务过程从而对任务完成进行评估,针对分布式众包测试过程的不可预测性和测试成本的庞大性,从软件的可靠性出发,基于软件可靠性增长模型提出了一个同时考虑测试人力和测试报告两个测试成本元素的众包测试软件缺陷数量估计模型.首先分析两个成本元素的相关性,并依据成本元素相关性建立了一个分段式通用可靠性增长模型框架,并结合已有的3种测试工作量函数,以此估计出软件潜在缺陷数量和测试中的累积检测缺陷数量.在四组真实的众包测试数据集上的对比实验表明,模型的估计误差精度低于10％,优于传统可靠性增长模型.该模型能够利用较少实际数据进行缺陷预测,具有较强的实用性.     

故障检测率对软件可靠性影响实证分析

故障检测率是软件可靠性模型的主要参数之一,不同形式的故障检测率具有不同的作用。聚焦于故障检测率对软件可靠性的影响,提出基于信息熵与优劣距离决策算法的单可靠性模型单失效数据集多故障检测率与多可靠性增长模型多失效数据集多故障检测率2种实证分析方案,旨在全面地分析故障检测率的影响。经过实验分析,对于单一可靠性模型单一数据集,故障检测率对软件可靠性的影响主要与失效数据集相关,在不同数据集上不同故障检测率函数的性能差异较大;在多可靠性模型多数据集上,幂函数与S型故障检测率对应的软件可靠性模型的综合性能较好,指数型故障检测率对应的软件可靠性模型的综合性能较差。本文的研究对于软件可靠性建模中的模型参数选择、最优发布时间的确定等具有较强的指导作用。     

基于NHPP类模型的Web软件可靠性分析

结合Web软件运行的实际情况,提出一种基于BurrX测试工作量函数(TEF)的非齐次泊松过程类软件可靠性增长模型(SRGM),并将其应用到Web软件可靠性分析中。TEF能直接体现Web软件工作量与日历时间之间的关系,解决Web软件因工作量高度不均衡导致的问题。实验结果表明,与G-O模型相比,SRGM具有较好的Web软件可靠性评估效果,能较准确地描述Web软件运行的失效过程。     

基于优化PSO-SVM模型的软件可靠性预测方法

讨论了传统软件可靠性预测模型的主要弱点;在分析传统PSO-SVM模型和软件可靠性预测特点的基础上,对传统PSO-SVM模型进行改进,建立了优化PSO-SVM软件可靠性预测模型。最后通过仿真结果表明,该优化预测模型具有更好的小样本适应性,训练速度快,预测精度高,能够更好地适用于软件可靠性预测。     

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。     

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。     

基于基准比对思想的软件可靠性预测仿真建模研究

可靠性作为衡量软件质量的重要特性,其定量评估和预测已成为人们关注和研究的焦点。本文针对这个问题展开研究,提出一个可用于软件测试之前的早期可靠性预测仿真模型。此仿真模型通过考查影响软件可靠性的过程因素,采用基准比对思想,利用软件过程度量数据,根据相似度比较,预测软件的残留缺陷数。由于该仿真模型仅需要静态历史数据,故可在软件测试之前,用于估计软件的残留缺陷数,从而预测软件的可靠性,为后期软件过程的改进以及软件测试计划的修正提供依据。     

软件可靠性预测技术研究

首先分析多种软件可靠性预测模型,指出其不足;充分考虑了模块内复杂度和模块间关系以及改错能力对可靠度的影响后,提出一种正交体系结构下基于Markoff链的软件可靠性定量分析方法。该方法考虑了复杂度、开发能力、修改能力和使用频率对软件可靠性的影响,使用时对数据的要求不严格,易满足,可用于软件开发中后期。     

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。     

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。     

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。     

一个基于响铃形故障检测率函数的软件可靠性增长模型

非齐次泊松过程类软件可靠性增长模型是评价软件产品可靠性指标的有效工具．影响软件可靠性增长模型评估和预测准确性的最重要的两个因素是软件中隐藏的初始故障数和故障检测率．一些非齐次泊松过程类模型假设故障检测率是不随测试时间变化的常量,有些模型假设故障检测率是增函数或减函数．这些假设或忽略了测试者的学习过程,或忽略了越迟被检测到的故障的概率就可能越低的特点．该文将测试者的学习过程和软件固有故障检测率的变化特征相结合,提出了一个铃形的故障检测率函数,建立了一个非齐次泊松过程类软件可靠性增长模型——Bbell—SRGM．在一组失效数据上的实验分析表明：对这组失效数据,Bbell—SRGM模型比G-O模型等的拟合效果更好．