文摘
英文文摘
论文说明:答辩委员会签名、插图清单、表格清单
独创性声明及学位论文版权使用授权书
致谢
第1章绪论
1.1问题的背景
1.2研究现状及存在的问题
1.2.1研究现状
1.2.2存在的问题
1.3本文的研究意义
1.4论文的组织结构
第2章软件可靠性早期预测的经典模型介绍
2.1多元线性回归方法
2.1.1多元线性回归模型的形式和参数估计
2.1.2多元线性回归模型的假设检验
2.1.3多元线性回归的评述
2.2人工神经网络方法
2.2.1人工神经元的结构
2.2.2多层前向网络及BP学习算法
2.2.3人工神经网络的评述
第3章统计学习理论和支持向量机
3.1机器学习的一般原理
3.1.1学习问题的表示
3.1.2经验风险最小化原则及其缺陷
3.2统计学习理论
3.2.1函数集的VC维和推广性的界
3.2.2结构风险最小化原则
3.3支持向量机
3.3.1最优分类超平面
3.3.2广义最优分类超平面
3.3.3支持向量机思想
3.3.4支持向量回归估计
第4章基于支持向量机的软件可靠性早期预测模型
4.1预测目标
4.2可靠性早期预测的一般模型
4.3对一般模型的进一步假设
4.4基于支持向量机的软件可靠性早期预测模型的建立
4.4.1模型输入指标的选取
4.4.2数据采集
4.4.3数据预处理
4.4.4模型形式和核函数的选择
4.4.5模型参数和核参数的选择
4.4.6用模型进行预测
第5章基于支持向量机的软件可靠性早期预测模型仿真分析
5.1实验原始数据
5.2实验安排
5.3实验过程
5.3.1数据标准化
5.3.2主成分分析
5.3.3特异样本点的判定
5.3.4基于主成分回归的预测方法
5.3.5基于BP网络的预测方法
5.3.6基于支持向量机的预测方法
5.4实验结果及分析
5.4.1实验一
5.4.2实验二
第6章软件可靠性早期预测软件系统的设计
6.1系统概述
6.2系统总体结构
6.3系统流程
6.3.1系统的数据流程图
6.3.2系统的逻辑流程图
6.4核心模块和关键技术介绍
6.4.1数据预处理模块
6.4.2参数选择模块
6.4.3训练模块及预测模块
6.4.4历史信息管理模块
第7章总结和展望
7.1本文的主要成果和创新点
7.2下一步的工作
参考文献
合肥工业大学;