基于支持向量機的軟件可靠性模型研究.pdf

1、本文對軟件可靠性的影響因素、失效機理、評估模型以及必要的數(shù)學基礎(chǔ)進行了研究?？偨Y(jié)了在工業(yè)上應用較為廣泛的經(jīng)典軟件可靠性增長模型。在數(shù)量眾多的軟件可靠性評估模型中，概率類模型常常存在假設條件難以滿足的弊端，Bayesian網(wǎng)絡模型存在先驗知識獲取困難的問題，人工神經(jīng)網(wǎng)絡存在著結(jié)構(gòu)難于確定、擬合不足或過擬合及容易陷入局部極小點等問題。 為了使對軟件可靠性的分析、評估更加精確和智能化，本文論述了軟件可靠性的有關(guān)理論和支持向量機理論，在

2、此基礎(chǔ)上提出了兩種可靠性模型： （1）基于支持向量回歸的軟件可靠性增長模型SVRSRG（SVR—basedsoftwarereliabilitygrowthmodel）。SVRSRG基于支持向量回歸的統(tǒng)計學習理論，避免了上述問題。利用一個實際軟件項目的故障統(tǒng)計數(shù)據(jù)集做為實驗對象，闡述了SVRSRG模型的建立過程，核函數(shù)的選擇問題，用于參數(shù)估計的交叉驗證和網(wǎng)格搜索（Cross—validation＆Grid—search）法。提出

3、了SVRSRG模型算法步驟及實現(xiàn)方法。為了評價基于SVR的軟件可靠性增長模型的吻合度（goodnessoffit），共實現(xiàn)了三個模型：Goel—Okumoto模型、Jelinski—Moranda模型以及本文提出的基于SVR的軟件可靠性增長模型SVRSRG，分別對其實驗結(jié)果進行分析和對比。利用兩個評價指標MSE和SCC對上述三個軟件可靠性增長模型進行對比，對SVRSRG模型進行評價。結(jié)果顯示SVRSRG模型具有良好的預測能力，驗證了本文

4、方法的有效性。 （2）基于支持向量機的軟件可靠性早期預測模型。大量研究表明，軟件復雜性與軟件質(zhì)量、開發(fā)成本和生產(chǎn)效率等方面密切相關(guān)，軟件復雜性是導致軟件錯誤的主要原因，當軟件復雜性超過某一限度值時，軟件中的錯誤就會急劇上升，甚至引起軟件開發(fā)失敗。 本文對軟件復雜性和可靠性之間的關(guān)系進行了研究，復雜度包括：總代碼行、總字符數(shù)、總注釋行、注釋字符數(shù)、代碼總字符數(shù)、Halstead程序長度估計、Jensen程序長度估計、McC