基于模糊贝叶斯网络的堆垛机系统可靠性分析

为解决因缺乏实际数据而无法准确估计堆垛机系统和部件的失效概率问题,提出了基于模糊集理论和主观贝叶斯方法的模糊贝叶斯网络诊断策略.该方法首先将故障树转换成相应的贝叶斯网络,然后运用模糊集理论,将专家给出的关于基本事件失效概率的主观语言评判值转换成模糊数,并通过去模糊化处理得到精确解.针对因事件的多态性所引起的条件概率不确定问题,该方法采用主观贝叶斯方法进行估计.通过堆垛机通信模块的可靠性分析实例,验证了该方法是有效的,表明其能够克服在系统建模时的参数不确定问题.     

贝叶斯网络结构模型的构建

贝叶斯网络结构是一种将贝叶斯概率方法和有向无环图的网络拓扑结构有机结合的表示模型,它描述了数据项及其依赖关系,并根据各个变量之间概率关系建立图论模型,但是如何获取具有丢失数据的网络结构是一个急需解决的问题.本文提出一个基于Kullback-Leibler(KL)散度的贝叶斯网络结构学习的KLBN(Kullback-Leibler Bayesian Network)算法.实验结果表明,KLBN算法在可靠性方面明显优于传统的具有丢失数据的贝叶斯网络结构学习算法.     

基于距离度量的局部加权朴素贝叶斯算法改进

基于局部加权朴素贝叶斯算法和处理混合型属性距离度量方法的研究,针对局部加权算法中存在的一些问题,将两种相似性距离度量方法运用于局部加权朴素贝叶斯方法,构造出VDMLWL和IVDMLWL两种算法。通过在WEKA中的实验将这两种算法的分类结果进行分析与比较,发现改进的局部加权朴素贝叶斯的距离函数,能更精确地对不同类型属性数据进行分类,有效提高了局部加权朴素贝叶斯算法分类的效率和可靠性。     

二值probit回归模型的坍缩变分贝叶斯推断算法

给出了二值probit回归模型的坍缩变分贝叶斯推断算法.此算法比变分贝叶斯推断算法能更逼近对数边缘似然,得到更精确的模型参数后验期望值.如果两个算法得到的分类错误一致,则该算法的迭代次数较变分法明显减少.仿真实验结果验证了所提出算法的有效性.     

基于模糊贝叶斯网络的叉装车制动系统故障诊断研究

为解决因缺乏实际数据而无法准确计算叉装车制动系统部件的故障概率问题,提出一种结合模糊集理论和贝叶斯网络的模糊贝叶斯网络故障诊断方法。该方法利用模糊数表达故障发生的可能性,将专家给出的节点故障概率主观语言评判值转换为模糊数,经过解模糊后得到精确值,再利用贝叶斯网络推理进行故障的诊断,提高了贝叶斯网络对模糊信息和不确定信息的处理能力。通过Ge NIe软件对所建立的叉装车制动系统故障诊断模型仿真分析,验证了该方法的有效性。     

改进的朴素贝叶斯垃圾邮件过滤算法

介绍了朴素贝叶斯垃圾邮件过滤算法,对于朴素贝叶斯算法中条件概率的计算,选用了多变量贝努里事件模型的计算方法,在多变量贝努里事件模型的基础上进行了改进,并在Ling-Spam语料库上进行实验,实验结果表明改进后的算法有效地提高了过滤器的召回率和精确率,并且降低了过滤器的错误率。     

基于马尔可夫混合模型的电子商务搜索引擎用户行为聚类

对搜索引擎用户行为进行聚类分析有利于为用户提供个性化的服务。为了能准确地刻画用户行为的动态性,提出利用马尔可夫混合模型,对电子商务搜索引擎的用户行为模式聚类。模型假设每一类用户行为可表示为一个马尔可夫模型,当用户使用搜索引擎时,每个用户以一定的概率属于某一聚类;该用户的行为序列,由对应的马尔可夫模型产生。同时,为了解决参数估计和模型自动选择的问题,将贝叶斯阴阳和谐学习理论应用于该混合模型,提出针对该模型的和谐度函数及自适应梯度算法。仿真实验结果表明,与传统的最大期望（EM）算法相比,基于贝叶斯阴阳机的自适应梯度算法能更高效和准确地同时进行参数学习和模型选择。最后,将所提出的聚类方法应用于真实的电子商务搜索引擎点击日志,初步验证了本模型的有效性。     

一种基于贝叶斯网络的模型诊断方法

提出一种结合贝叶斯网络进行基于模型诊断的方法.在基于模型诊断的基础上,建立了元件状态模型,并将诊断模型转换为贝叶斯网络,利用团树算法求解征兆产生时系统状态的后验概率,再通过计算边缘分布获得元件故障概率.最后给出一个数字故障电路的实例,在Matlab上进行推理,得到了精确的概率值,验证了该方法的有效性.     

概率图模型推理方法的研究进展

近年来概率图模型已成为不确定性推理的研究热点,在人工智能、机器学习与计算机视觉等领域有广阔的应用前景.根据网络结构与查询问题类型的不同,系统地综述了概率图模型的推理算法.首先讨论了贝叶斯网络与马尔可夫网络中解决概率查询问题的精确推理算法与近似推理算法,其中主要介绍精确推理中的VE算法、递归约束算法和团树算法,以及近似推理中的变分近似推理和抽样近似推理算法,并给出了解决MAP查询问题的常用推理算法;然后分别针对混合网络的连续与混合情况阐述其推理算法,并分析了暂态网络的精确推理、近似推理以及混合情况下的推理;最后指出了概率图模型推理方法未来的研究方向.     

基于贝叶斯网络技术的软件缺陷预测与故障诊断

如何进一步地提高软件的可靠性和质量是我们十分关注的问题,而前期软件缺陷和后期软件故障的诊断都是控制质量的关键手段,由此我们提出了基于贝叶斯的神经网络。基于对贝叶斯网络和神经网络理论的分析,发现贝叶斯网络和神经网络各自的优点与不足,利用贝叶斯具有前向推理的优势进行故障诊断,利用神经网络学习算法能够处理更复杂网络结构的优势来积累专家知识,最后提出了贝叶斯网络与概率神经网络相结合的模型,该模型可以更好地兼顾软件缺陷与故障诊断两个方面。     

软件可靠性评估的重要抽样方法

基于统计测试的马尔可夫使用模型对软件可靠性评估提出了一种有效的估计方法.该方法利用重要抽样技术在保证可靠性估计无偏性的条件下,利用交叉熵度量操作剖面与零方差抽样分布之间的差异,通过启发式迭代过程调整各个状态之间的转移概率来修正测试剖面.从理论上证明了利用修正测试剖面测试估计的可靠性是方差为0的无偏估计.最后给出了软件可靠性估计的最优测试剖面生成的启发式迭代算法.仿真结果表明,该方法与模拟退火算法相比,能够明显降低估计的方差,在提高估计精度的同时加快统计测试速度.     

基于重要抽样的软件统计测试加速

本文提出一种基于重要抽样的软件统计测试加速方法,该方法通过调整软件Markov链使用模型的迁移概率,在根据统计测试结果得到软件可靠性无偏估计的前提下,可以有效提高安全攸关软件的测试效率,部分解决了安全攸关软件统计测试时间和费用开销过大的问题。同时,本文给出了计算优化迁移概率的模拟退火算法。实验仿真结果表明,该方法可以有效地提高安全攸关软件统计测试的效率。     

安全关键系统的软件可靠性评估方法

基于统计测试的Markov使用链模型对安全关键系统的可靠性估计提出了一种有效的方法。该方法利用重要抽样技术在保证佑计的无偏性条件下,以可靠性估计的方差最小为目的,通过Ali-Silvey距离度量两个分布之间的差异,调整各个状态之间的转移概率分布,修正测试剖面,增加关键操作的遍历概率。最后给出了软件可靠性估计的最优测试剖面生成迭代算法。仿真结果表明,该方法能明显降低估计方差,在提高估计精度的同时能有效地加速统计测试。     

Classification of Fault-Prone Software Modules: Prior Probabilities, Costs, and Model Evaluation

Software quality models can give timely predictions of reliability indicators, for targeting software improvement efforts. In some cases, classification techniques are sufficient for useful software quality models.The software engineering community has not applied informed prior probabilities widely to software quality classification modeling studies. Moreover, even though costs are of paramount concern to software managers, costs of misclassification have received little attention in the software engineering literature. This paper applies informed prior probabilities and costs of misclassification to software quality classification. We also discuss the advantages and limitations of several statistical methods for evaluating the accuracy of software quality classification models.We conducted two full-scale industrial case studies which integrated these concepts with nonparametric discriminant analysis to illustrate how they can be used by a classification technique. The case studies supported our hypothesis that classification models of software quality can benefit by considering informed prior probabilities and by minimizing the expected cost of misclassifications. The case studies also illustrated the advantages and limitations of resubstitution, cross-validation, and data splitting for model evaluation.     

A tool for computing computer network reliability

The computation of the reliability of a computer network is one of the important tasks of evaluating its performance. The idea of minimal paths can be used to determine the network reliability. This paper presents an algorithm for finding the minimal paths of a given network in terms of its links. Then, it presents an algorithm for calculating the reliability of the network in terms of the probabilities of success of the links of its minimal paths. The algorithm is based on a relation that uses the probabilities of the unions of the minimal paths of the network to obtain the network reliability. Also, the paper describes a tool that has been built for calculating the reliability of a given network. The tool has two main phases: the minimal paths generation phase, and the reliability computation phase. The first phase accepts the links of the network and their probabilities, then implements the first proposed algorithm to determine its minimal paths. The second phase implements the second proposed algorithm to calculate the network reliability. The results of using the tool to calculate the reliability of an example network are given.     

Software dependability evaluation based on Markov usage models

A general technique for computing optimal state transition probabilities for software tests, based on a Markov usage model, is developed. The optimization criterion is maximum precision of unbiased dependability estimates derived from the test results. Three different dependability measures are considered: (i) risk, (ii) safety, and (iii) reliability. As input, pre-information on failure probabilities and losses in case of failure related with single operations is used. The optimization itself is done by means of a numerical procedure which is fast because of the convexity of the underlying stochastic optimization problem. The procedure can be improved by the construction of a distribution with a common lower bound on state transition probabilities; this distribution may also be used in the more general context of structural statistical testing of software.     

Forecasting of Software Reliability Using Neighborhood Fuzzy Particle Swarm Optimization Based Novel Neural Network

This paper proposes an artificial neural network (ANN) based software reliability model trained by novel particle swarm optimization (PSO) algorithm for enhanced forecasting of the reliability of software. The proposed ANN is developed considering the fault generation phenomenon during software testing with the fault complexity of different levels. We demonstrate the proposed model considering three types of faults residing in the software. We propose a neighborhood based fuzzy PSO algorithm for competent learning of the proposed ANN using software failure data. Fitting and prediction performances of the neighborhood fuzzy PSO based proposed neural network model are compared with the standard PSO based proposed neural network model and existing ANN based software reliability models in the literature through three real software failure data sets. We also compare the performance of the proposed PSO algorithm with the standard PSO algorithm through learning of the proposed ANN. Statistical analysis shows that the neighborhood fuzzy PSO based proposed neural network model has comparatively better fitting and predictive ability than the standard PSO based proposed neural network model and other ANN based software reliability models. Faster release of software is achievable by applying the proposed PSO based neural network model during the testing period.      

一种改进的基于架构的软件可靠性模型

基于架构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,忽略了在不同的输入剖面下,因构件所处的交互环境不同造成的实际可靠性的变化。改进了一种基于架构的可靠性模型,引入转移目的构件剖面矩阵来建立系统操作剖面和构件可靠性的联系,并给出了改进后的可靠性合成算法。实例分析表明,该模型可以全面捕捉到在不同系统操作剖面下,因构件之间转移概率和构件可靠度这两个参数的变化对整体可靠性产生的影响,提高了系统设计阶段可靠性分析的精确性。     

基于聚类的软件失效数据预处理

应用失效数据进行软件可靠性参数的评估与预测是软件可靠性工程的主要内容之一。利用分层聚类算法对失效数据中的扰动和异常数据点进行隔离,并将以故障密度为相似性度量进行聚类处理后的失效数据集进行SRGM建模与软件可靠性参数估计,以较好的曲线拟合度提高SRGM参数估计与可靠性预测的精确性和抗干扰性,从而得到良好的软件可靠性分析与预测结果。     

基于软件架构的可靠性分配算法

研究软件可靠性分配中的软件开发成本最小化问题.将软件系统的成本最小化问题表达为一类带约束条件的组合优化问题,并且提出了基于架构的软件可靠性与开发成本评估及分配思想,建立了基于软件架构的可靠性-成本模型,提出了基于该模型的可靠性最优分配算法.该算法可以求解在给定可靠性目标前提下的可靠性分配问题,使得软件系统预期开发成本最小.