学位论文 > 优秀研究生学位论文题录展示

基于支持向量机的软件可靠性模型研究

作　者: 何俊学
导　师: 张民悦
学　校: 兰州理工大学
专　业: 应用数学
关键词: 软件可靠性 支持向量回归 可靠性增长模型 早期预测 复杂性度量 极大似然估计
分类号: TP311.52
类　型: 硕士论文
年　份: 2009年
下　载: 155次
引　用: 3次
阅　读: 论文下载
 

内容摘要


本文对软件可靠性的影响因素、失效机理、评估模型以及必要的数学基础进行了研究。总结了在工业上应用较为广泛的经典软件可靠性增长模型。在数量众多的软件可靠性评估模型中,概率类模型常常存在假设条件难以满足的弊端,Bayesian网络模型存在先验知识获取困难的问题,人工神经网络存在着结构难于确定、拟合不足或过拟合及容易陷入局部极小点等问题。为了使对软件可靠性的分析、评估更加精确和智能化,本文论述了软件可靠性的有关理论和支持向量机理论,在此基础上提出了两种可靠性模型:(1)基于支持向量回归的软件可靠性增长模型SVRSRG(SVR-based softwarereliability growth model)。SVRSRG基于支持向量回归的统计学习理论,避免了上述问题。利用一个实际软件项目的故障统计数据集做为实验对象,阐述了SVRSRG模型的建立过程,核函数的选择问题,用于参数估计的交叉验证和网格搜索(Cross-validation &Grid-search)法。提出了SVRSRG模型算法步骤及实现方法。为了评价基于SVR的软件可靠性增长模型的吻合度(goodness of fit),共实现了三个模型:Goel-Okumoto模型、Jelinski-Moranda模型以及本文提出的基于SVR的软件可靠性增长模型SVRSRG,分别对其实验结果进行分析和对比。利用两个评价指标MSE和SCC对上述三个软件可靠性增长模型进行对比,对SVRSRG模型进行评价。结果显示SVRSRG模型具有良好的预测能力,验证了本文方法的有效性。(2)基于支持向量机的软件可靠性早期预测模型。大量研究表明,软件复杂性与软件质量、开发成本和生产效率等方面密切相关,软件复杂性是导致软件错误的主要原因,当软件复杂性超过某一限度值时,软件中的错误就会急剧上升,甚至引起软件开发失败。本文对软件复杂性和可靠性之间的关系进行了研究,复杂度包括:总代码行、总字符数、总注释行、注释字符数、代码总字符数、Halstead程序长度估计、Jensen程序长度估计、McCabe圈复杂度、Belady带宽度量等等。建立了基于支持向量机的软件可靠性早期预测模型。选取MIS数据集做为实验对象,为了消除相关性影响,首先用PCA方法进行预处理,多次测试结果显示,预测准确率可以达到大约89%左右。验证了基于支持向量机的软件可靠性早期预测模型的可行性。

全文目录


摘要  7-8
Abstract  8-10
符号表(Symbols)  10-11
缩略词(Acronyms)  11-12
第1章 绪论  12-16
  1.1 研究背景及意义  12-13
  1.2 国内外研究现状  13-14
  1.3 主要研究内容与论文结构  14-16
第2章 软件可靠性相关理论与技术  16-34
  2.1 软件可靠性的基本概念  16-19
    2.1.1 软件可靠性的定义  16
    2.1.2 软件可靠性的度量  16-18
    2.1.3 软件失效机理  18
    2.1.4 软件可靠性因素  18-19
  2.2 软件可靠性评估技术  19-20
  2.3 软件可靠性模型与应用  20-26
    2.3.1 软件可靠性模型的概念  20-21
    2.3.2 软件可靠性增长模型  21-24
    2.3.3 软件可靠性模型的分类  24
    2.3.4 软件可靠性模型的建模原理  24-25
    2.3.5 建模的一般过程  25-26
  2.4 经典的软件可靠性模型  26-32
    2.4.1 经典SRG模型的假设及其局限性  26-27
    2.4.2 Goel-Okumoto模型  27-29
    2.4.3 Jelinski-Moranda模型  29-32
  2.5 经典软件可靠性评估工具  32-34
    2.5.1 AT&T的软件可靠性工具箱  32
    2.5.2 统计建模和软件可靠性功能估计(SMERFS)  32
    2.5.3 统计模型和可靠性程序(SRMP)  32-33
    2.5.4 计算机辅助软件可靠性工程(CASRE)工具  33
    2.5.5 经济停止测试模型(ESTM)工具  33-34
第3章 软件复杂性度量  34-37
  3.1 前言  34
  3.2 HALSTEAD度量  34-35
  3.3 McCabe度量  35-36
  3.4 C&K度量  36-37
第4章 支持向量机理论  37-46
  4.1 前言  37-38
  4.2 统计学习理论  38-42
    4.2.1 数据驱动的机器学习问题  38-39
    4.2.2 学习过程的一致性  39-41
    4.2.3 学习机推广能力的界  41-42
    4.2.4 结构风险最小化准则  42
  4.3 支持向量机  42-46
    4.3.1 最优分类超平面  42-43
    4.3.2 支持向量分类  43-44
    4.3.3 支持向量回归  44-46
第5章 基于SVR的软件可靠性模型  46-55
  5.1 前言  46
  5.2 数据源  46-48
  5.3 SVR模型的建立  48-49
    5.3.1 核函数的选择  48
    5.3.2 交叉验证和网格搜索  48-49
  5.4 SVRSRG模型算法步骤  49
  5.5 SVRSRG模型的实现方法  49-52
  5.6 实验结论与模型评价  52-55
    5.6.1 模型评价指标  52-53
    5.6.2 模型评价结论  53-55
第6章 基于SVM的软件可靠性早期预测模型  55-60
  6.1 数据集  55-59
  6.2 主分量分析  59-60
  6.3 实验结论  60
第7章 工作总结  60-62
第8章 工作展望  62-63
参考文献(Bibliography)  63-66
致谢(Acknowledgements)  66-68
附录A 攻读学位期间所发表的学术论文目录  68
附录B 数据表  68-70
  表B1 观测数据及三模型预测值  68-69
  表B2 SVRSRG模型数据文件  69-70

相似论文

  1. 基于HVS的无参考图像质量评价方法的研究,TP391.41
  2. 基于RFID监狱智能管理系统研究与实现,TP315
  3. 粗糙集理论和Flex技术在中长期径流预报中的应用,P338
  4. 支持向量回归在化学农药定量构效关系中的应用,S48
  5. 基于软件影响网络的软件度量研究,TP311.52
  6. 基于可靠性度量的软件开发过程及关键技术的研究,TP311.52
  7. 支架液压阀测试系统的故障诊断与软件可靠性研究,TH165.3
  8. 冠脉介入术后尿NGAL、IL-18和KIM-1的变化及早期预测CIN的意义,R541.4
  9. 基于多特征结合与支持向量机集成的噪声检测与图像去噪,TP391.41
  10. 软件可靠性评价与辅助测试系统的设计与实现,TP311.52
  11. 基于支持向量机的电解液成分预测,TQ151
  12. 软件可靠性模型应用方法研究,TP311.52
  13. 软件可靠性预测模型及在电力系统中的应用,TP311.52
  14. 血清白介素6、胱抑素C在早期预测对比剂肾病中的意义,R692
  15. 水下机器人软件可靠性测试方法研究,TP311.52
  16. 集成类级和系统级的面向对象软件复杂性度量集的研究,TP311.52
  17. SVR季节性时间序列预测模型的构建与应用,F224.0
  18. NHPP类软件可靠性度量方法研究,TP311.52
  19. 组件式软件系统的早期可靠性预测模型,TP311.52
  20. 血清IL-15、MIF与重症急性胰腺炎以及中药治疗对二者的影响,R576
  21. 基于SVM的CFRW复合材料导电特性分析预测研究,TB332

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机软件 > 程序设计、软件工程 > 软件工程 > 软件开发
© 2012 www.xueweilunwen.com