基于LSTM的软件可靠性预测模型研究

目录

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