数据驱动的软件可靠性模型研究

摘要：

传统的软件可靠性增长模型通常基于一系列不符合实际情况的假设,因而其适用性和准确性受到了较大的影响.近年来,数据驱动的软件可靠性建模方法受到了广泛的重视,一些文献提出了基于人工神经网络和基于支持向量机的软件可靠性模型.由于数据驱动的软件可靠性模型不对软件的内部错误及失效过程做任何假设.因而其适用范围较传统的软件可靠性增长模型更广.对于数据驱动的软件可靠性模型,其使用的软件失效数据对模型的预测精度有很大的影响,但现有的文献未对此进行研究.本文提出了一种基于支持向量机的软件可靠性模型,并指出对数据驱动的软件可靠性模型,应使用累计失效数据而不应使用失效间隔数据;应使用最近的部分失效数据而不应使用所有观测到的失效数据.本文同时还提出了一种基于遗传算法的模型参数优化方法.应用三组现有文献中的实际软件测试数据,对所提出的软件可靠性模型与现有的数据驱动的软件可靠性模型进行了对比研究.结果表明,本文所提出的软件可靠性模型具有较好的预测精度.

关键词：软件可靠性、失效数据分析、支持向量机、人工神经网络、失效预测

所属期刊栏目：2

分类号：TP311.5(计算技术、计算机技术)

资助基金：国家自然科学基金60672165;教育部高等学校博士学科点专项科研基金20060614016;高等学校全国优秀博士学位论文作者专项基金200232

在线出版日期：2008-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：768-774