学位论文 > 优秀研究生学位论文题录展示

软件可靠性预测技术研究

作　者: 崔正斌
导　师: 汤光明
学　校: 解放军信息工程大学
专　业: 军事装备学
关键词: 软件可靠性预测软件度量属性选择分类器优化分类器集成
分类号: TP311.52
类　型: 硕士论文
年　份: 2010年
下　载: 95次
引　用: 0次
阅　读: 论文下载

内容摘要

随着软件系统规模的日益增大及其复杂性的日益增强,软件的可靠性问题更为突出。因此,如何保证软件的可靠性,有效地进行软件可靠性度量和预测,对帮助软件开发者更加合理地配置资源,从而降低研发成本、缩短产品开发周期和提高软件质量有着十分重要的意义。本文在对软件可靠性预测现状分析的基础上,提出了基于分类器集成的软件可靠性预测框架,然后分别从软件度量属性选择和分类器集成技术两个方面进行研究,主要工作和创新点如下：1.提出了基于分类器集成的软件可靠性预测框架。框架包含三部分：前端部分、核心部分和后端部分。在框架的前端部分,将属性选择引入到数据预处理中；框架的核心部分研究了分类器优化和集成方法；在框架后端部分主要进行预测算法的评价与比较。2.提出了一种基于信息增益和自适应遗传算法的软件度量属性选择方法(IG-AGA)。首先利用信息增益对原始度量属性集进行初选去除冗余属性,然后在精简的属性子集上,通过自适应遗传算法来搜索软件度量的最优属性子集,在属性子集评价上综合考虑KNN分类准确率和属性子集规模。在NASA的软件度量数据集上的仿真实验结果表明,该算法能够有效去除冗余和无关属性,在降低属性维数的同时获得了较好的分类准确率。3.提出了一种基于支持向量机集成的软件可靠性预测方法。分别从分量分类器优化和集成两个方面进行研究。在分量分类器优化方面,提出了基于自适应遗传算法优化支持向量机参数的方法；在分类器集成方面,根据“部分优于全部”的集成思想,提出了一种基于聚类选择的支持向量机集成方法RFCMSE。在经过属性选择的软件度量数据上的预测结果表明,该方法具有更好的预测精度和泛化能力。4.设计并实现基于支持向量机集成的软件可靠性预测原型系统,主要对系统的总体结构、流程和核心模块进行了设计和实现。最后,总结本文的工作,对软件可靠性预测技术的发展前景和研究方向进行了展望。

全文目录

摘要  7-8
Abstract  8-9
第一章绪论  9-15
  1.1 研究背景及意义  9-10
  1.2 软件可靠性预测及研究现状  10-13
    1.2.1 软件可靠性预测  10-11
    1.2.2 国内外研究现状  11-13
  1.3 本文组织结构  13-15
第二章基于分类器集成的软件可靠性预测框架  15-24
  2.1 软件度量与可靠性预测原理  15-20
    2.1.1 软件度量  15-18
    2.1.2 软件可靠性预测原理  18-19
    2.1.3 软件度量与软件可靠性预测模型关系  19-20
  2.2 基于分类器集成的软件可靠性预测框架  20-23
    2.2.1 总体思想  20-21
    2.2.2 数据预处理  21
    2.2.3 属性选择  21
    2.2.4 分类器集成  21-22
    2.2.5 测试与评价  22-23
  2.3 本章小结  23-24
第三章软件度量属性选择  24-39
  3.1 软件度量数据质量与属性选择  24-25
    3.1.1 软件度量数据存在的问题  24-25
    3.1.2 属性选择引入  25
    3.1.3 属性选择形式化描述  25
  3.2 软件度量属性选择框架  25-26
  3.3 基于信息增益的软件度量属性初选  26-29
    3.3.1 信息增益  26-28
    3.3.2 软件度量属性初选算法  28-29
  3.4 基于自适应遗传算法的软件度量属性优选  29-35
    3.4.1 属性优选总体框架  29-30
    3.4.2 属性编码及生成初始种群  30-31
    3.4.3 属性子集评价  31-32
    3.4.4 自适应遗传操作  32-34
    3.4.5 试探法确定最优属性子集  34
    3.4.6 软件度量属性优选算法  34-35
  3.5 实验结果与分析  35-38
    3.5.1 实验数据  35-36
    3.5.2 参数设置  36
    3.5.3 实验步骤  36-37
    3.5.4 结果分析  37-38
  3.6 本章小结  38-39
第四章基于支持向量机集成的软件可靠性预测  39-62
  4.1 理论分析与总体框架  39-41
    4.1.1 理论分析  39-40
    4.1.2 总体框架  40-41
  4.2 基于AGA的SVM优化  41-48
    4.2.1 SVM分类模型  41-44
    4.2.2 基于AGA的SVM参数优化  44-46
    4.2.3 验证与分析  46-48
  4.3 基于聚类选择的SVM集成  48-59
    4.3.1 选择性集成理论  48-50
    4.3.2 聚类选择集成思想  50-51
    4.3.3 模型聚类  51-57
    4.3.4 模型选择  57-58
    4.3.5 聚类选择集成算法RFCMSE  58-59
  4.4 实验结果与分析  59-61
    4.4.1 实验数据  59
    4.4.2 实验步骤  59-60
    4.4.3 结果分析  60-61
  4.5 本章小结  61-62
第五章软件可靠性预测原型系统设计与实现  62-67
  5.1 系统设计思路  62
  5.2 系统总体结构  62-63
  5.3 系统流程  63-64
    5.3.1 系统的数据流图  63
    5.3.2 系统的逻辑流图  63-64
  5.4 核心模块设计  64-65
    5.4.1 数据预处理模块  64
    5.4.2 属性选择模块  64
    5.4.3 SVM参数优化子模块  64-65
    5.4.4 SVM集成子模块  65
  5.5 系统实现  65-66
  5.6 本章小结  66-67
第六章总结与展望  67-69
  6.1 论文工作总结  67
  6.2 研究工作展望  67-69
参考文献  69-72
作者简历攻读硕士学位期间完成的主要工作  72-73
致谢  73

软件可靠性预测技术研究

内容摘要

全文目录

相似论文