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。     

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.     

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。     

组合核相关向量机的软件可靠性预测模型

可靠性作为衡量软件质量的一种重要特性,对软件管理具有重要的意义。针对单一核函数的缺陷,提出一种组合核函数相关向量机的软件可靠性预测模型。首先对当前软件可靠性研究现状进行分析,然后采用组合核函数相关向量机对训练集进行学习和建模,最后通过具体实例对模型的预测性能进行分析。结果表明,本模型获得了理想的软件可靠性预测结果,且其预测性能要优于单一核函数模型,在软件可靠性预测中有重要的应用价值。     

基于证据理论优化的态势预测模型

针对态势预测的多模型组合问题,提出了一种基于证据理论优化的态势组合预测模型。该模型首先对预测子模型进行训练,获得预测子模型的性能评价与指标权重分配;基于证据理论对多指标的权重分配结果进行融合,提高权重分配的精度;在预测完成后,基于指标可信度和证据理论对指标权重进行调整,优化多指标的评价能力。Matlab实验仿真结果表明,该模型能够依据态势曲线的变化动态优化组合权重,其预测精度优于典型预测模型。     

基于神经网络组合模型的软件可靠性评估研究

在软件可靠性评估问题的研究中,构件存在动态失效的问题。为了提高软件可靠性的预测精度,在分析经典软件可靠性模型与神经网络可靠性模型研究的基础上,采用了一种神经网络组合软件可靠性模型。模型通过构造与所选基模型相适应的传递函数,实现了经典软件可靠性模型和神经网络的有机结合,这种神经网络组合模型可以用较小的网络规模获得满意的泛化特性。进行仿真的结果表明,神经网络组合模型能够有效提高软件可靠性的预测精度和效率。     

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。     

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。     

基于自适应Boosting组合模型的空气质量预测

针对当前空气质量预测模型存在较大误差以及单一模型在不同方面具有一定局限性,导致预测误差较大的问题,提出一种自适应Boosting组合模型。利用误差平方和倒数法、简单加权平均法等五种方法自适应地赋予三个基础Boosting模型权重,最终的结果按照相应的权重叠加,达到充分发挥每个单一模型的优势,提高预测精度的目的。实验结果表明,误差平方和倒数法组合模型的表现最优,采用误差平方和倒数法计算权重的组合模型的MAE为7.124 4,RMSE为9.367 1,R2为0.863 9,优于其他地权重组合方法以及单一的Boosting模型。该组合模型的应用,为优化空气质量预测系统提供了一个行之有效的方法。     

基于灰色Elman神经网络软件可靠性预测模型

针对当前软件可靠性预测模型在随机性和动态性较强的可靠性现场数据中存在预测精度波动比较大、适应性比较差的问题,提出一种基于灰色Elman神经网络的软件可靠性预测模型。首先使用灰色GM（1,1）模型对失效数据进行预测,弱化其随机性;然后采用Elman神经网络对GM（1,1）的预测残差进行建模预测,捕捉其动态性变化规律;最后将GM（1,1）预测值和Elman神经网络残差预测值相结合得到最终的预测结果。使用航班查询系统的现场失效数据集进行了模型仿真实验,并将灰色Elman神经网络预测模型与反向传播（BP）神经网络、Elman神经网络预测模型进行比较,其对应的均方误差（MSE）和平均相对误差（MRE）分别为105.1、270.9、207.5和0.0011、0.0021、0.0016,并且灰色Elman神经网络预测模型的误差均为最小值。实验结果表明该模型具有较好的预测精度。     

级联生产线的可靠性分析

本文用流平衡法建立级联生产线的可告性模型，较好地解决了多级可修生产线的可靠性分析这一难题，理论结果和数值分析表明，流平衡法和文献［１］的等效工作站法有一致的结果。     

星载软件可靠性工程研究与实践

为提高星载软件的可靠性,针对某星载软件的特点,讨论了开展软件可靠性工程的实施框架和过程,分别从软件可靠性设计、分析、度量和测试四个方面进行了总结和评述.重点论述了软件可靠性设计准则,软件故障模式及影响分析和软件故障树分析技术的特点,软件可靠性度量的选择方法,以及软件可靠性测试的评估规程和可靠性模型的选择方法,并给出了技术应用的结果,证明了这些方法的可行性和适用性.     

软件可靠性研究与进展

综述了软件可靠性研究的主要内容 ,包括软件可靠性设计、测试与管理 -软件可靠性数据收集以及硬软件系统可靠性等方面的发展现状 ,提出了软件可靠性研究有待于进一步探讨的主要问题     

软件可靠性保证与评测技术

软件可靠性评测是对软件进行测试,通过采集系统运行期间的软件可靠性参数,运用统计技术进行处理并评估软件可靠性的过程。在软件生存期中,有效地控制影响软件可靠性的各种因素,才能提高软件可靠性,实现软件产品的无故障运行。文中着重介绍了提高软件可靠性的方法和技术以及软件可靠性的评测技术。     

软件可靠性工程框架和评估系统实现

给出了软件可靠性工程的实施框架,它规范了软件可靠性评估的过程.文章还提出一个软件可靠性评估系统的体系结构,并给出了实现所需要的一些关键技术.已经依此实现了一个软件可靠性评估系统CaSoR(Computer aid Software of Reliability),并已经被实际     

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。     

非串行CIMS生产线可靠性建模、分析与综合

采用等效工作站方法,对非串行CIMS生产线可靠性进行了研究,得到了一条缓冲库可 用度的定理,并推导出在稳态情况下,非串行CIMS系统(如装配线和拆卸线)可以转变成串 行系统求解.同时分析出加工过程不丢失工件的充要条件和若干必要条件,绘出一幅PK-K 曲线,可以给出可行解的大致范围,有助于具体问题的求解.     

软件可靠性分析、测试与评估工具--SRATE介绍

软件可靠性分析、测试及评估工具(SRATE)是一个集软件可靠性分析、测试及评估于一体的软件工具。该工具支持多种测试策略下的软件自动化测试及评估试验,包括随机测试策略、自适应测试策略等。该工具还集成了包括欧洲航天局的space软件、浙大CAD&CG国家重点实验室的Intra3D构件库在内的多个典型被测对象。根据工具接口要求可以方便的添加新的测试策略和测试对象。具有自动化程度高、通用性强、配置灵活、易于扩展的特点,是进行软件可靠性分析研究工作的有力工具。     

软件可靠性数据收集的方法和技术

软件可靠性数据是进行软件可靠性分析和估测的基础，在整个软件可行性研究中占着重要的地位。本文在汇总分析软件可靠数据的基础上，对其进行了合理的分类，从而提出一个套收集软件可靠性数据的系统化方法，并探讨了实现自动化收集软件可靠性数据的基本技术。     

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。