基于EMD和GEP的软件可靠性预测模型

基于经验模态分解和基因表达式编程算法提出了一种软件可靠性预测模型。通过对软件失效数据序列进行经验模态分解得到不同频段的本征模态分量和剩余分量,消除失效数据中的噪声,运用基因表达式编程算法的灵活表达能力,把分解得到的不同频段的各本征模态分量及剩余分量中所对应的不同失效时间序列作为样本来分别进行预测,重构各本征模态分量和剩余分量中相对应的预测结果,将其作为软件失效的最终预测值。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基因表达式编程的软件可靠性预测模型进行比较分析。结果表明,该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。     

基于经验模态分解的混合软件可靠性预测模型

基于经验模态分解结合支持向量回归算法与灰色系统理论提出一种混合软件可靠性预测模型,通过对原始软件失效数据使用经验模态分解方法进行预处理,将失效数据分解得到不同频段的本征模态分量和剩余分量,用支持向量回归算法对本征模态分量进行预测,用灰色系统模型GM（1,1）对剩余分量进行预测,然后将预测结果进行重构,得到最终软件可靠性预测值。为了验证所提混合预测模型的有效性,利用两组真实软件失效数据,与SVR可靠性预测模型和GM（1,1）可靠性预测模型进行实验对比分析,实验结果表明,所提混合预测模型较这两种可靠性预测模型具有更精确的预测精度。     

基于BASFPA-BP的可靠性预测模型研究

软件可靠性预测以软件可靠性预测模型为基础，对软件的可靠性以及与其直接相关的度量进行分析、评价和预测，利用软件运行中所收集的失效数据对未来的软件可靠性进行预测，成为了评估软件失效行为和保障软件可靠程度的重要手段。BP神经网络结构简单、参数少、易实现，在软件可靠性预测领域已经得到了广泛应用。然而基于传统BP神经网络搭建的软件可靠性预测模型的预测精度无法达到预期目标，因此提出了基于BASFPA-BP的软件可靠性预测模型。该模型利用软件失效数据，在BP神经网络训练过程中利用BASFPA算法优化网络权值、阈值，从而提高模型的预测精度。选用3组公开的软件失效数据，将实际值与预测值的均方误差作为预测结果的衡量标准，同时将BASFPA-BP与FPA-BP,BP,Elman这3种模型进行对比研究。实验结果表明，基于BASFPA-BP的软件可靠性预测模型在同类型模型中实现了较高的预测精度。     

基于最大Lyapunov指数的软件失效预测

现有的大部分软件可靠性模型都将软件失效过程看作是随机过程,但已证明软件失效过程具有混沌特性,不是单纯的随机行为。混沌预测方法通常只能做短中期的预测,只有在其有效预测时间段内,它的预测才是可信的;但现有的基于混沌的软件可靠性模型均没有指明其有效预测时间段的长度,只能做单步预测。为解决以上问题,建立了基于最大Lyapunov指数的软件失效预测模型,该模型明确指出了有效预测时长,可以做多步预测。将其应用于从模拟法庭教学软件系统采集到的实测软件失效数据,取得了较好的预测效果。同时,预测结果还表明:在有效预测时间段内,预测精度较高;反之,预测误差很大。     

组合模型在软件可靠性预测中的建模与仿真

针对软件可靠性受到多种不确定因素影响,且因素间具有多重共线性,单-预测模型无法全面准确描述其变化规律,导致软件可靠性预测精度不高.为了提高软件可靠性预测的精度,提出一种基于熵值法的软件可靠性组合预测模型.首先采用主成分分析消除软件可靠性度量属性间多重共线性,加快学习速度,然后分别采用AR模型和RBF神经网络对软件可靠性进行预测,采用嫡值法确定两种模型的权重,从而得到组合预测模型的软件可靠性预测值.用NASA的软件度量数据进行模型预测,结果表明,仿真预测模型明显提高了软件可靠性预测精度,说明组合预测方法对软件可靠性预测是可行的.     

软件可靠性预测的核函数方法

通过合理的假设和抽象,把软件可靠性预测问题转化成从高维空间向低维空间的非线性映射,采用核函数回归估计理论对软件失效时间数据之间的对应关系进行建模,在新建立的模型中,随着软件失效不断发生,模型参数将不断自动调整以适应失效过程的动态变化,从而实现软件可靠性的自适应预测,并对模型中核函数以及回归估计算法的选择进行了研究。最后,对14个软件失效数据集进行了实验分析,并对新建模型与部分其它模型的预测能力和适用能力进行了比较。     

软件可靠性的GP演化建模

为解决软件可靠性模型的不一致性,摆脱传统模型多种主观假设的束缚,提出了采用遗传程序设计(GP)的演化算法建立基于软件失效间隔时间序列的软件可靠性模型。针对装甲兵工程学院的某软件测试用例进行演化建模,并对其性能指标进行了分析评价,结果验证了GP算法的可行性以及拟合、预测的有效性,从而能有效地应用于软件系统测试,保障数据的有效性。     

基于多模型变权重组合的软件可靠性仿真研究

研究提高软件可靠性预测精度问题,对软件可靠性研究已成为当前软件工程的一个研究热点,传统的单一软件可靠性模型由于使用的技术及提取的信息有限,软件可靠性预测精度不高。为提高软件可靠性预测精度,在建立多种单一软件可靠性预测模型的基础上,提出一种样本点的多模型变权重组合模型。将多种预测技术有效地聚合在一起,取长补短,在样本数据有限的情况下,不仅改善了样本内学习能力也增强了样本外的泛化能力,提高了综合预测精度。仿真验证模型无论在样本内还是样本外都较优于经过模拟退火算法优化的BP神经网络(SA-BP)及经过遗传算法优化的最小二乘支持向量机(GA-LSVM),说明变权重组合模型是一种精度更高的软件可靠性失效数据预测模型,具有较好的应用推广价值。     

基于参数动态调整的动态模糊神经网络的软件可靠性增长模型

利用遗传算法对动态模糊神经网络的自身参数进行动态调整(GA-DFNN),并将其应用于软件可靠性增长 模型(SRGM)的研究。在对动态模糊神经网络进行训练的过程中,用遗传算法求得动态模糊神经网络自身参数的优 化解,根据得到的参数建立基于动态模糊神经网络的软件失效数据预测模型。利用3组软件缺陷数据,对用G卉 DFNN建立的SRGM和模糊神经网络(FNN)以及13P神经网络(13PN)建立的SRC}M的预测能力进行了比较,仿真结 果证实,根据GA-DFNN建立的SRGM的短期预测能力稳定,短期预测误差小,且具有一定的通用性。     

软件可靠性混沌模型

在分析软件失效机理后认为：有些软件失效行为具有混沌性,所以可以用混沌方法来处理其软件可靠性推断问题。但在应用混沌方法前先要进行系统辨识,确定为混沌系统后,才能应用嵌入空间技术从软件失效时间序列重建系统相空间和吸引子,进而用吸引子的揭示的混沌属性来估计软件可靠性。文中在三个标准数据集的基础上对此进行了实证分析,结果表明其中两个数据来源于混沌机制,他们的吸引子具有低维的小数极限维数,而且预测与实际可靠性吻合较好。值得指出的是文中所提混沌方法突破了软件可靠性一贯使用随机分析的局限。     

基于软件可靠性工程的测试模型

软件可靠性工程是软件工程的一个重要分支,主要建立在操作剖面、软件可靠性模型、概率论和软件测试等理论的基础之上。该文结合软件可靠性、软件可靠性工程和软件测试的相关理论,设计了可靠性测试模型,并在市政交通一卡通工程系统中进行了实际验证。     

软件可靠性模型应用中的不一致性与软件可靠性专家系统

关于软件系统故障行为的统计假设,是软件可靠性模型的理论基础 。由此产生应用中的不一致性,使用户对这些估测结果迷惑不解,“谁的结果最可信”？我们以“故障数据是软件可靠性分析的基础”为原则,采用人工智能技术,建立软件可靠性专家系统（SRES：Software Reliability Expert System),以解决软件可靠性模型应用中的不一致性难题。最后,报告该系统的使用及与国外一些软件可靠性量测工具的比较。     

软件可靠性指标分配工具Asitool

本文对自顶向下、逐步细化的软件结构化设计技术，提出一个软件可靠性分配方法，并在此基础上，开发了一个可供实际用于软件可靠性分配的工具——Ａｓｓｉ－ｔｏｏｌ     

A reliability model for Service Component Architectures

Service-oriented applications are dynamically built by assembling existing, loosely coupled, distributed, and heterogeneous services. Predicting their reliability is very important to appropriately drive the selection and assembly of services, to evaluate design feasibility, to compare design alternatives, to identify potential failure areas and to maintain an acceptable reliability level under environmental extremes.This article presents a model for predicting reliability of a service-oriented application based on its architecture specification in the lightweight formal language SCA-ASM. The SCA-ASM component model is based on the OASIS standard Service Component Architecture for heterogeneous service assembly and on the formal method Abstract State Machines for modeling service behavior, interactions, and orchestration in an abstract but executable way.The proposed method provides an automatic and compositional means for predicting reliability both at system-level and component-level by combining a reliability model for an SCA assembly involving SCA-ASM components, and a reliability model of an SCA-ASM component. It exploits ideas from architecture-based and path-based reliability models. A set of experimental results shows the effectiveness of the proposed approach and its comparison with a state-of-the art BPEL-based approach.     

软件缺陷及其对软件可靠性的影响分析

软件缺陷是软件失效的源头,是影响软件可靠性的重要因素。简述了几种典型的软件缺陷分类方法,结合C++语言,提出了面向程序代码的软件缺陷分类法。采用程序变异方法模拟各类软件缺陷,通过实验,归纳并总结了不同类型的软件缺陷对软件可靠性的影响。     

基于特定失效概率的软件恢复策略分析

对软件的两阶段失效与恢复模型进行了分析,基于特定失效概率求解最优恢复时间间隔,并利用半马尔可夫过程,得到特定失效概率下的平均恢复成本。为了将恢复成本降到更低,采用了嵌套的基于时间的软件恢复策略,同时考虑应用级和系统级的恢复,并求得了特定失效概率下的最大应用级恢复次数、恢复时间间隔序列以及最低年平均恢复成本。     

军用软件可靠性测试管理中模型的应用

软件可靠性测试是软件开发过程中的一个重要环节,将软件可靠性增长模型应用到软件可靠性的测试过程中,可以为测试的进行提供有价值的管理决策依据。军用软件可靠性的测试及管理是控制军用软件质量的重要方法。该文给出了一种军用软件测试管理模型,在此基础上进一步讨论了Musa模型在测试管理中的应用,最后对实例进行了分析。     

星载设备嵌入式软件可靠性仿真测试系统设计

在分析了嵌入式软件可靠性仿真测试环境的功能需求和组成结构的基础上,设计了一种嵌入式软件可靠性仿真测试系统,专用于星载设备嵌入式软件的可靠性测试.阐述了星载嵌入式软件可靠性仿真测试系统的设计实现目标,设计了系统的组成结构,详细介绍了各个部分的具体实现.系统的实现采用了现代微机的高性能、多线程以及USB技术.最后通过一个星载设备嵌入式软件的可靠性仿真测试验证了所设计的仿真测试系统对于嵌入式软件可靠性仿真测试是适用的,并且是完善、灵活并极具实用价值的.     

A replicated empirical study of a selection method for software reliability growth models

Replications are commonly considered to be important contributions to investigate the generality of empirical studies. By replicating an original study it may be shown that the results are either valid or invalid in another context, outside the specific environment in which the original study was launched. The results of the replicated study show how much confidence we could possibly have in the original study. We present a replication of a method for selecting software reliability growth models to decide whether to stop testing and release software. We applied the selection method in an empirical study, conducted in a different development environment than the original study. The results of the replication study show that with the changed values of stability and curve fit, the selection method works well on the empirical system test data available, i.e., the method was applicable in an environment that was different from the original one. The application of the SRGMs to failures during functional testing resulted in predictions with low relative error, thus providing a useful approach in giving good estimates of the total number of failures to expect during functional testing.

软件需求的形式化转换模型

需求规范错误是软件设计错误的一大类。该文提出了一个软件需求的形式化转换模型,用来将软件需求分析直接、自动地转换为形式化描述,为需求验证提供帮助,避免软件在需求规范上可能产生的错误。