基于贝叶斯Logistic回归的软件缺陷预测研究

在软件开发初期及时识别出软件存在的缺陷,可以帮助项目管理团队及时优化开发测试资源分配,以便对可能含有缺陷的软件进行严格的质量保证活动,这对于软件的高质量交付有着重要的作用,因此,软件缺陷预测成为软件工程领域内一个研究热点。虽然人们已经使用多种机器学习算法建立了缺陷预测模型,但还没有对这些模型的贝叶斯方法进行研究。提出了无信息先验和信息先验的贝叶斯Logistic回归方法来建立缺陷预测模型,并对贝叶斯Logistic回归的优势以及先验信息在贝叶斯Logistic回归中的作用进行了研究。最后,在PROMISE数据集上与其他已有缺陷预测方法（LR、NB、RF、SVM）进行了比较研究,结果表明：贝叶斯Logistic回归方法可以取得很好的预测性能。     

基于贝叶斯网络的故障诊断专家系统

现代系统设备的日趋复杂化和自动化,对故障诊断技术提出了更高的要求;随着人工智能技术的发展,故障诊断技术向智能化方向发展,如何将人工智能技术应用到故障诊断中去,是当前研究的重点;为了实现对汽车发动机已发故障和潜在故障的快速高效诊断,根据发动机故障知识结构特性,将贝叶斯网络因果有向图的故障知识表示方法引入到专家系统中,并采用可在线监控和离线诊断的推理机制,在G2平台下实现了汽车发动机故障诊断专家系统,系统应用的效果表明了该方法的可行性.     

基于贝叶斯网络的故障诊断策略优化方法

通过分析设备故障诊断与维修所面临的主要问题以及当前常用诊断策略存在的局限性，研究基于贝叶斯网络的故障诊断策略优化方法。提出了适合于表达诊断问题的基于故障假设一观测一维修操作节点的贝叶斯网络结构，阐述了基于贝叶斯网络的故障诊断策略优化方法的基本思想和优化算法。该方法综合考虑了多故障、有观测操作以及操作之间有依赖关系等情况。最后通过应用实例，证实了该方法在信患不确定条件下进行诊断与维修决策的有效性。     

基于贝叶斯网络的Web服务组合故障诊断

提出一种利用贝叶斯网络对Web服务组合故障原因进行诊断的模型,对该模型中贝叶斯网络拓扑结构的构造以及网络参数的赋值方法进行了详细说明。然后,基于构造的贝叶斯网络,提出Web服务组合的故障检测算法并对其进行了分析。实验模拟表明,提出的模型能有效地识别Web服务组合流程错误的根本原因。     

一种基于贝叶斯网络的燃气轮机故障诊断方法

针对电厂中现役燃气轮机故障样本少,以往的故障诊断方法依赖于海量的带有故障标签的数据,无法在实际生产中取得预期的诊断效果的现象,本文将重点着眼于利用贝叶斯网络进行反事实推理,完成对燃气轮机故障原因的分析。本文首先介绍了贝叶斯网络的基本原理,其次将故障模式和影响分析及故障树技术用于贝叶斯网络的搭建,弥补了基于数据驱动的故障诊断方法缺少专业知识支撑的缺陷,最后通过实际案例分析,表明了这一方法用于燃气轮机的故障诊断时,可以根据燃气轮机在运行中出现的异常现象,分析出可能出现的故障,以及相应的故障原因,帮助运行及检修人员及时发现故障,及时排除故障。为实际生产中的燃气轮机的故障诊断技术提供了一种灵活,高效,可靠的方法。     

软件缺陷预测技术

软件缺陷预测技术从20世纪70年代发展至今,一直是软件工程领域最活跃的内容之一,在分析软件质量、平衡软件成本方面起着重要的作用.研究和讨论了软件缺陷预测技术的起源、发展和当前所面临的挑战,对主流的缺陷预测技术进行了分类讨论和比较,并对典型的软件缺陷的分布模型给出了案例研究.     

基于粗糙集和贝叶斯分类器的变电站故障诊断

以变电站的开关继电保护信息为基础,提出了一种基于粗糙集理论和贝叶斯分类器的变电站故障诊断方法.首先利用粗糙集理论的知识约简和处理不确定信息的能力,对变电站的故障诊断知识进行挖掘,实行属性优选,再运用朴素贝叶斯分类器对故障诊断知识进行模式识别.将其应用于变电站故障诊断专家系统中,应用结果显示了该方法能有效地缩小问题求解规模和较强的抗干扰能力,是一种有效的变电站故障诊断方法.     

基于贝叶斯网络的发动机可视化故障诊断

在研究发动机各类故障诊断的基础上,结合贝叶斯网络从数据中学习的方法,提出一种能够根据实际样本数据对发动机的各类故障进行可视化诊断的方法,其充分考虑了先验知识,且能够根据实际样本数据对先验知识进行修正。以发动机W P7的故障为例,通过因果关系建立贝叶斯网络的可视化模型,结合先验知识进行参数学习和推理,实例结果表明,该模型及分析方法很好地反应了各部件或子系统的故障对于整个系统故障的影响以及各部件或子系统之间的依赖关系及依赖程度,有助于找出系统的薄弱环节和提高系统可靠性的途径。     

基于MAS和贝叶斯网络的电网故障诊断研究

本文采用贝叶斯网络的故障诊断方法,建立了基于MAS的电网故障诊断体系。该系统具有较好的主动性、自适性和扩展性,有助于提高电力系统的诊断效率。     

基于贝叶斯网络模型构造的汽车故障诊断研究

为了解决汽车故障诊断中的不确定性和建模问题,提出了一种基于贝叶斯网络模型构造的故障诊断融合系统架构,设计了基于贝叶斯网络构造的故障诊断算法.这种故障诊断方法利用贝叶斯网络的学习能力和概率推理来应对故障诊断中的不确定性问题的表示和推理,它能够有效地融合领域先验知识和实时传感数据的分布特征,实现故障诊断系统的自适应,并被成功地应用于汽车故障诊断.实验结果表明,新算法为故障诊断提供了准确和可靠的决策依据.     

基于PCA和神经网络的故障诊断技术

提出一种基于PCA和神经网络的故障诊断/识别方法,利用主元分析法提取故障样本集的主元,实现故障样本的最优压缩,简化故障诊断中神经网络分类器的结构,提高神经网络的分类速度和测试精度。仿真结果表明,该方法可以有效减少输入层神经元个数,提高神经网络模型的学习效率和诊断的准确性,具有良好的故障识别能力。     

基于贝叶斯网络推理的起落架系统故障诊断技术研究

民机起落架系统结构复杂,是典型的故障多发系统,实际诊断过程主要依赖于排故手册流程和工程经验积累,存在诸多不确定性因素。贝叶斯网络是用有向无环图的形式表达变量间因果关联关系,可以充分利用专家知识和试验信息进行基于概率的统计推断,适于处理复杂系统的不确定性问题。通过深入分析某型民机起落架技术资料,建立了基于贝叶斯网络的起落架系统诊断架构,结合专家知识和维护经验提出了基于贝叶斯网络的起落架系统故障诊断方法,并给出了网络推理流程,提升了起落架系统故障诊断效率和精度。     

基于贝叶斯网络的车辆电源系统故障诊断方法

针对车辆电源系统测试点少且测试数据不完备的问题,提出一种多信号流图模型和贝叶斯网络相结合的故障诊断方法。利用多信号流图模型建立电源系统的故障诊断模型,得到系统故障源与测试信号对应的故障依赖矩阵,在此基础上,建立用于故障诊断的贝叶斯网络结构,根据历史数据完成网络的参数学习,并以故障后验概率最大为准则,实现电源系统的故障诊断。仿真实验验证了该方法的有效性。     

一种基于Logicboost的软件缺陷预测方法

针对软件缺陷预测中对不平衡数据分类精度较低的问题,提出了一种新的基于LogitBoost集成分类预测算法,使用SMOTE方法对原始数据集进行平衡处理,然后使用随机森林算法作为弱分类器算法进行分类预测,最后使用LogitBoost算法以加权方式集成各弱分类器的结果。通过在NASAMDP基础数据集上验证得出本文提出的分类预测算法比数据集均衡处理前准确率高出0.1%-11%,同时在均衡处理后比KNN算法平均高出0.9%,比SVM算法平均高出0.4%,比随机森林算法平均高出0.1%。     

深度信念网软件缺陷预测模型

软件缺陷预测技术在检测软件缺陷、保证软件质量方面发挥了重要的作用。利用神经网络分类算法构建的软件缺陷预测模型得到了广泛的应用。但是利用神经网络分类算法训练历史数据只能进行“浅层学习”,无法对数据特征进行深度挖掘。针对该问题,利用多层限制玻尔兹曼机叠加成深度信念网,先进行特征集成与迭代,并对这些特征数据进行深度学习,构建了基于深度信念网的软件缺陷预测模型(DBNSDPM)。仿真实验表明,本模型预测的准确性与传统的神经网络缺陷预测模型预测的准确性相比有显著提高。     

基于BP神经网络的电子电路故障诊断技术

提出利用BP神经网络进行电子电路故障诊断的基本思想、基本步骤,并通过MATLAB软件编程,对实际问题的解决进行仿真,说明该技术的可行性和有效性,为电子电路的故障诊断提出新思路。     

基于神经网络信息融合的智能故障诊断方法

飞行状态时的飞机舵面故障诊断系统,含有系统和测量噪声及其时变、非线性等特点,采用常规的故障诊断方法很难实现对飞机舵面故障的准确诊断和告警,为了更好的实现对飞机舵面系统的故障诊断,将神经网络信息融合的智能故障诊断方法首次运用到舵面系统故障诊断中.该智能诊断方法应用神经网络的非线性拟合能力扩展舵面相关线位移传感器测量信息,同时采用D-S算法将相关传感器的输出信息进行融合,最后信息融合诊断策略根据这些信息确定出舵面相应的故障类型,从而可以对舵面故障信号进行有效识别和诊断.建立了某机舵面系统故障诊断的数学模型,并利用该模型对提出的智能故障诊断方法进行仿真验证,最后的仿真实验结果表明:该故障诊断结构形式对于舵面常见的故障能够进行识别和告警,诊断效果令人满意.