软件可靠性模型应用方法研究

《软件可靠性模型应用方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、哈尔滨T程大学硕士学位论文．-摘要’t随着计算机科学的不断发展，计算机软件的应用范围日趋广泛，规模迅速扩大，复杂

2、生不断增加，人们对其可靠性的要求也越来越高。软件可靠性模型研究作为软件可靠性估测的核心问题，引起了人们广泛地关注和重视。目前，公开发表的软件可靠性模型及其变形已经达到～百多种，但是，在这些模型中仍然不存在一个简单且适用广泛的通用模型。在实际应用中，对于如何选择合适的软件可靠性模型这一问题，还缺乏一套行之有效的解决方法。针对此问题，在对软件可靠性模型和神经网络方法进行了深入研究的基础上，本文提出了一种基于BP神经网络的软件可靠性模型综合

3、预测方法。首先，从现有模型中选择具有代表性的模型作为基础模型，在选择过程中既要考虑到各个模型的出现是否推动了模型研究领域的发展，又要尽量选择差异性较大的模型；其次，针对具体的软件失效数据，利用BP神经网络方法从基础模型中选择出适用于此组数据的几个模型；再次，建立新的BP神经网络，将选择出的基础模型的预测数据作为网络输入并对其进行训练，利用训练好的网络对软件失效数据进行预测，并将其预测结果与相应模型的预测结果进行比较分析；最后，给出了该方法执行过程的框架设计，对方法进行了整体性描述。实验表明，本文提出的软件可靠性模型综合预测方法在一定程度上解决了模

4、型选择过程中人为因素起主导作用的问题，提高了软件可靠性模型选择的客观l生和准确性；此外，多个具有显著差异的模型可以相互补偿，模型的综合预测提高了软件可靠性预测的稳健性。关键词：软件可靠性模型；模型选择：模型综合预测；BP神经网络；失效数据thekeyofthesoftwarereliabil@prediction-Cun'ently,thereⅢ℃morethanonehundredkindsofsoihazarereliabilitymodelsandvariationsthathavebeenpublished．Butasimplegener

5、almodeldosenotexist．Inpracticalapplication,吐lereislackofalleffectivemethodofsoftwarereliabilitymodelselection．Ondeepresearchofsoftwarereliabilitymodelsandneulalnetwork,thesynthesispredictionmethodofthesoftwarereliabilitymodelbasedonBPna．trKlnetworkisproposedinthisaper．Firstly

6、,somerepresentativemodelsasbasicmodelsar、eselectedfromexistingmodels．Duringselectionprocess，weshouldtakeintoaccountwhethercandidatemodelspromotedevelopmentofresearchareaandwhethertheyhavediversity．Secondly,severalbasicmodelswhicharesuitableforspecificfailuredatasetsaleselecte

7、dbyBPneuralnetworkmethod．．Thirdly,weconsl／'uctanewBPneuralnetworkandwainitwithpredictiondataofthechosenbasicmodels．Then,weusewainednetworktopredictsoftwarefailuredataandcompareresultwiththoseofothermodels．Finally,theframeworkofexecutionprocedureispresented．Theexperimentalresu

8、ltsindicatedthatsynthesispredictionmethodofsot士warereliabilitymodelproposedinthispaperCansolveproblemtocertainextentinmodelselectionprocess．Itenhancesobjectivityandaccuracy．Inaddition,thesynthesispredictionmodelswithdifferentcharacteristicmodelsmaycomplementmutuallyandilTlpro

9、verobustnessofthereliabilityprediction．Keywords：Softwarereliabilitym