学位论文 > 优秀研究生学位论文题录展示

软件可靠性预测模型及在电力系统中的应用

作　者: 屈川
导　师: 江春华；谷明汉
学　校: 电子科技大学
专　业: 软件工程
关键词: 软件可靠性支持向量机理论预测模型建模
分类号: TP311.52
类　型: 硕士论文
年　份: 2010年
下　载: 52次
引　用: 0次
阅　读: 论文下载

内容摘要

近年来,随着我国软件业快速发展,软件开发规模和复杂度日益增加,软件系统的可靠性受到越来越多的重视,可靠性称为衡量软件系统质量的重要特性之一。在这个可靠性渐受重视的软件开发环境下,很多学者提出了各种格式的软件可靠性预测模型来评估和预测软件的可靠性。然后,由于传统软件可靠性预测模型中有一些假设常常不符合实际软件开发的情况,并且软件测试环境有很大不同,导致传统软件可靠性预测模型精确度不高。支持向量机(Support Vector Machine, SVM)属于监督式学习的一般化线性分类器,由于SVM在分类和回归方面确实展现了不错的能力,因此近年来的学术研究领域中,渐渐地被广泛运用在多个不同领域中。从现在的研究来看,SVM受到了各个领域相当的重视,已经成为了分类、预测研究上的一大利器。支持向量机以统计学习理论为基础,建构于统计理论的VC维度理论与结构风险最小化原则的基础上,能尽量提高学习的泛化能力。因此,本文将支持向量机理论应用于软件可靠性预测中来,建立了基于SVM的软件可靠性预测模型,以期开发出一种算法更完善性能更优越的软件可靠性预测算法,并将其应用于电力系统大型软件中来。本文介绍了多种传统的软件可靠性预测模型,然后分析了如何将支持向量机应用于软件可靠性预测工作中。并以公开发表的软件故障测试数据为例,较为详细的阐述了支持向量机构建软件可靠性模型的建模过程,比较了基于SVM的软件可靠性预测模型与其他算法之间的优势和劣势。通过仿真分析,证实了新模型同传统模型相比预测精度更高,效率和速度比标准BP法更快,泛化能力也更强。不像传统的预测方法基于很多的假设条件,基于SVM的预测方法无需任何的假设条件,因此,模型具有一定的适应性和通用性。最后,将本文建立的软件可靠性预测模型应用于电力系统大型软件中,得到了良好的预测效果。本文的建模思路和方法给以后的研究者开发更好的软件可靠性预测模型提供了一定的借鉴思路和方法。

全文目录

摘要  4-5
ABSTRACT  5-10
第一章绪论  10-16
  1.1 课题背景与意义  10-11
  1.2 国内外研究现状  11-12
    1.2.1 国外研究现状  11-12
    1.2.2 国内研究现状  12
  1.3 拟解决的关键问题和技术路线  12-14
  1.4 课题主要研究目标与内容  14-16
第二章软件可靠性预测模型相关概念  16-35
  2.1 软件可靠性  16-18
    2.1.1 软件可靠性定义  16
    2.1.2 软件可靠性度量  16-18
  2.2 软件可靠性模型  18-23
    2.2.1 软件可靠性模型  18-20
    2.2.2 提高软件可靠性的方法  20-23
  2.3 软件可靠性预测模型  23-34
    2.3.1 几种经典可靠性预测模型  23-30
    2.3.2 未确知（U-M）模型  30-32
    2.3.3 人工神经网络模型  32-34
  2.4 本章小结  34-35
第三章统计学习与支持向量机理论  35-46
  3.1 统计学习理论  35-40
    3.1.1 学习过程一致性  35-36
    3.1.2 函数集的VC 维  36-38
    3.1.3 结构风险最小化原则  38-40
  3.2 支持向量机理论  40-45
    3.2.1 支持向量机简介  40
    3.2.2 SVM 最优化问题——最优分类超平面  40-44
    3.2.3 支持向量回归机  44-45
  3.3 本章小结  45-46
第四章基于支持向量机理论的软件可靠性预测建模  46-54
  4.1 基于支持向量机理论的软件可靠性预测模型建立过程  46
  4.2 模型输入指标的确定  46
  4.3 软件故障数据的采集和整理  46-47
  4.4 采样数据预处理  47
  4.5 确定模型表达式以及核函数  47-49
  4.6 确定模型变量参数以及核参数  49-52
  4.7 将待预测的数据输入模型  52-53
  4.8 本章小结  53-54
第五章基于支持向量机理论的软件可靠性预测模型仿真分析  54-62
  5.1 基于SVM 软件可靠性预测模型的仿真分析  54-60
    5.1.1 模型原始输入数据的获取  54-56
    5.1.2 数据预处理  56-57
    5.1.3 模型评价  57
    5.1.4 仿真过程  57-59
    5.1.5 模型进一步应用  59-60
  5.2 仿真结果及评价  60-61
    5.2.1 仿真结果分析  60-61
    5.2.2 评价  61
  5.3 本章小结  61-62
第六章 SVM 模型应用于电力软件可靠性预测  62-71
  6.1 电力系统监控与数据采集  62
  6.2 电力系统监控与数据采集系统组成  62-64
    6.2.1 系统结构  62-63
    6.2.2 系统硬件构成  63-64
    6.2.3 系统软件构成  64
  6.3 监控与数据采集系统可靠性预测的设计  64-70
    6.3.1 设计概述  64-65
    6.3.2 总体结构  65
    6.3.3 各模块涵义介绍  65-66
    6.3.4 设计流程  66-67
    6.3.5 设计应用  67-70
  6.4 本章小结  70-71
第七章结论与展望  71-73
  7.1 结论  71
  7.2 研究不足  71-73
参考文献  73-76
致谢  76-77

软件可靠性预测模型及在电力系统中的应用

内容摘要

全文目录

相似论文