基于不完全數(shù)據(jù)的軟件可靠性預測模型研究.pdf

1、隨著計算機和軟件產品應用的日益廣泛，我們生活的各個方面對軟件產品的依賴也與日俱增。目前軟件產品已經應用于一些對軟件質量要求更高的重要領域，如民航訂票、金融管理和醫(yī)療控制系統(tǒng)等。在這些領域，若軟件質量欠佳，則可能引發(fā)重大的財產損失，甚至人員傷亡，所以針對改善軟件質量的學習和研究相應地也引起了學術界的高度重視。軟件可靠性作為軟件質量的關鍵屬性之一，是當今研究的一個熱點。
　　自1976年以來，人們相繼提出一百多種可靠性模型，可概括地分

2、為兩大類：統(tǒng)計分析方法和計算智能方法，但以上模型均是基于完全數(shù)據(jù)的情況建模的。在現(xiàn)實世界中，則因各種因素如人為、環(huán)境或時間等，致使最終收集的數(shù)據(jù)含有部分缺失（即不完全數(shù)據(jù)），針對該問題本文提出一種新穎的模型。并通過在兩個數(shù)據(jù)庫上，分別使用常用的填充方法：均值、k近鄰、RGGB與本文模型作對比實驗，進一步驗證了本文模型較優(yōu)，具體而言，本文的主要工作如下：
　　1.本文提出一種新的軟件可靠性預測模型，該模型是對經典支持向量機SVM的推

3、廣，解決了其僅能基于完全數(shù)據(jù)建模的局限性，其可直接處理含有缺失數(shù)據(jù)的樣本（即不完全數(shù)據(jù)）。經典的SVM僅是本文模型的一個特例。與傳統(tǒng)通過填充方法對數(shù)據(jù)進行預處理再進行建模的方法相比，本文模型的主要特點是：基于最大間隔原理建立模型，可直接使用含有缺失的樣本進行訓練模型，無需對數(shù)據(jù)進行任何預處理,從而有效地避免了因填充數(shù)據(jù)不當或錯誤，而引入額外噪聲導致預測效果較差甚至得出錯誤結果的問題。
　　2.最大間隔預測模型的建立需要初始化兩個參