CAJ | 학술논문

传统的软件可靠性增长模型通常基于一系列不符合实际情况的假设,因而其适用性和准确性受到了较大的影响.近年来,数据驱动的软件可靠性建模方法受到了广泛的重视,一些文献提出了基于人工神经网络和基于支持向量机的软件可靠性模型.由于数据驱动的软件可靠性模型不对软件的内部错误及失效过程做任何假设.因而其适用范围较传统的软件可靠性增长模型更广.对于数据驱动的软件可靠性模型,其使用的软件失效数据对模型的预测精度有很大的影响,但现有的文献未对此进行研究.本文提出了一种基于支持向量机的软件可靠性模型,并指出对数据驱动的软件可靠性模型,应使用累计失效数据而不应使用失效间隔数据;应使用最近的部分失效数据而不应使用所有观测到的失效数据.本文同时还提出了一种基于遗传算法的模型参数优化方法.应用三组现有文献中的实际软件测试数据,对所提出的软件可靠性模型与现有的数据驱动的软件可靠性模型进行了对比研究.结果表明,本文所提出的软件可靠性模型具有较好的预测精度.
전통적연건가고성증장모형통상기우일계렬불부합실제정황적가설,인이기괄용성화준학성수도료교대적영향.근년래,수거구동적연건가고성건모방법수도료엄범적중시,일사문헌제출료기우인공신경망락화기우지지향량궤적연건가고성모형.유우수거구동적연건가고성모형불대연건적내부착오급실효과정주임하가설.인이기괄용범위교전통적연건가고성증장모형경엄.대우수거구동적연건가고성모형,기사용적연건실효수거대모형적예측정도유흔대적영향,단현유적문헌미대차진행연구.본문제출료일충기우지지향량궤적연건가고성모형,병지출대수거구동적연건가고성모형,응사용루계실효수거이불응사용실효간격수거;응사용최근적부분실효수거이불응사용소유관측도적실효수거.본문동시환제출료일충기우유전산법적모형삼수우화방법.응용삼조현유문헌중적실제연건측시수거,대소제출적연건가고성모형여현유적수거구동적연건가고성모형진행료대비연구.결과표명,본문소제출적연건가고성모형구유교호적예측정도.