软件可靠性预测方法的研究与应用

摘要

软件可靠性预测是一个越来越受重视的领域。可靠性预测的目的是量化软件可靠性状态和行为，帮助开发可靠的软件和检测软件的可靠性。本文对软件可靠性预测模型进行了比较研究，提出了基于ISGNN(迭代自生成神经网络)和基于ALL(白适应局部线性能)的软件失效间隔时间预测方法，并在此基础上开发了一个软件可靠性预测工具，主要工作如下： (1)提出一种基于ISGNN进行软件失效间隔时间预测的方法。ISGNN是SGNN(自生成神经网络)的一个改进，不需要设置网络结构与网络参数，且精度更高。本文对两个来自实际工程项目中的软件失效间隔时间数据集进行实验，结果表明该方法的预测结果的平均绝对偏差和均方误差都比BP网络方法降低约7％～15％，同时也比Jelinski-Moranda方法和Littlewood-Verrall方法的预测结果更准确，且易于使用。 (2)提出一种基于ALL进行软件失效间隔时间预测的方法。ALL是LL(局部线性化)的一个改进。ALL具有算法简单、易于实现以及预测精度较高的优点。本文对五个来自实际工业项目中的软件失效间隔时间数据集进行实验，结果表明该方法的均方根误差和平均绝对偏差都明显小于分别使用BP神经网络与ISGNN两种方法预测的结果；该方法与LL对比，具有精度更高、更稳健的预测，特别是当嵌入维数接近最临近向量的数目时，其性能显著优于LL。 (3)开发了一个软件可靠性预测工具，能实现用BP神经网络、SGNN、ISGNN、LL、ALL、指数模型和对数模型这七种方法来预测软件失效间隔时间并得出平均失效前时间和软件可靠度。

目录

文摘

英文文摘

声明

1绪论

1.1研究背景和意义

1.2国内外研究现状

1.2.1国内研究现状

1.2.2国外研究现状

1.3研究内容及研究结果

1.4章节安排

2软件可靠性概述

2.1软件可靠性

2.2软件可靠性相关的基本概念

2.3软件可靠性建模

2.3.1软件可靠性模型分类

2.3.2具有代表性的软件可靠性模型

2.3.3基于BP神经网络的预测方法

2.4本章小结

3基于迭代自生成神经网络的可靠性预测方法

3.1迭代自生成神经网络

3.1.1优化SGNT

3.1.2 HWP阶段

3.1.3 VWP阶段

3.2基于ISGNN的预测方法

3.2.1软件失效间隔时间数据的预处理

3.2.2生成神经树SGNT

3.2.3用SGNT对测试样本集进行预测

3.3实验结果

3.4本章小结

4基于自适应局部线性化的可靠性预测方法

4.1自适应局部线性化基本原理

4.2基于自适应局部线性化法的预测方法

4.2.1软件失效间隔时间数据的预处理

4.2.2计算出待估计参数

4.2.3预测

4.3实验结果

4.4本章小结

5软件可靠性预测工具的实现

5.1功能概述与实现

5.1.1功能概述

5.1.2平均失效前时间与软件可靠度的计算

5.1.3功能实现

5.2预测工具流程

5.3核心模块介绍

5.3.1数据输入模块

5.3.2数据分析处理模块

5.3.3可靠性预测模块

5.4本章小结

6结论

6.1全文总结

6.2今后工作的展望

致 谢

参考文献

附 录