声明
致谢
1 引言
1.1 研究背景及意义
1.2 研究现状及存在问题
1.2.1 软件可靠性预测模型研究现状
1.2.2 软件失效数据集研究现状
1.3 研究目标及内容
1.4 论文组织结构
2 相关关键技术原理
2.1 深度学习算法
2.2 循环神经网络
2.3 长短期记忆网络
2.4 编码器-解码器模型
2.5 注意力机制
2.6 本章小结
3 软件失效数据集分析与扩充
3.1 不同类型数据集的适用性差异
3.2 基于数据升采样的数据量扩充方法
3.3 仿真实验及结果分析
3.3.1 实验准备及参数设置
3.3.2 数据集适用性对比实验
3.3.3 数据升采样实验
3.4 本章小结
4 改进的花朵授粉算法
4.1 花朵授粉算法
4.2 花朵授粉算法改进
4.2.1 基于混沌映射优化的种群初始解
4.2.2 基于天牛须算法优化的全局搜索过程
4.2.3 基于变异策略优化的局部搜索过程
4.3 仿真实验及结果分析
4.3.1 基准测试函数及参数设置
4.3.2 实验结果及分析
4.4 本章小结
5 基于 LSTM的软件可靠性预测模型
5.1 软件可靠性预测模型
5.2 注意力机制优化模型结构
5.3 IFPA算法优化模型参数
5.4 模型输入序列自相关性分析
5.5 仿真实验及结果分析
5.5.1 实验环境
5.5.2 数据分析及预处理
5.5.3 评价指标
5.5.4 实验结果及分析
5.5 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;