级联网络的软件可靠性预测.pdf

第29卷第3期
计算机仿真
2012年3月
文章编号:1006-9348(2012)03-0184-04
级联网络的软件可靠性预测
李相海,李恒波
(南阳理工学院,河南南阳473004)
摘要:研究软件可篳性准确预测问题,软件存在动态失效性,且引起软件运行失效的原具有随机性,不同可靠性模型预测
同教件得到的结果不一致,通用性比较差,导致顸测精度低。为了提高教件可靠性预测精度,提出一种级联网络的软件可
靠性预测模型。采用4种经典软件可靠性模型的输出作为BP神经河络模型的输入,利用各种单一预测模型的优点,建立
种新的级联软件可靠性模型。仿真结表明,级联网络模型具有更离的预测精度和通用性,验证了级联焖络预测模型対软
件可靠性预测的有效性和良好的应用前绿。
关鏸词:神经网络;软件可幕性;预测
中图分类号:TP91文は标识码:A
Prediction of Software Reliability Based on Cascaded Neural Network
Xiang -hai, Ll Heng-bo
Nanyang Institute of Technology, Nanyang Henan 473004, China)
ABSTRACT Research software reliability prediction problem. Softwares have the feature of dynamic failure, differ.
ent reliability models have different prediction results, and the prediction accuracy is low. In order to improve the
prediction accuracy of software reliability, this paper put forward a cascade network software reliability prediction
model. Using four classic software reliability models as the output of BP neural network models, using the advantages
of each forecast model, a new cascade software reliability model was sct up. Simulation results show that cascade net-
of prediction and generalia
the cascade network prediction mo
ware reliability predicti
ood application
KEYWORDS Neural network; Software reliability; Prediction
1引言
貝有很好的非线性预测能力,容错能力和自学习能力强,成
随着软件丁业的发展,软件可靠性趣来越来引起人们的为当前软件可靠性主要预测模型,但是实际应用中,预测精
关注,软件的可靠性预测是在没有故障数据的软件开发初度与实际要求有较大的差距,主要是因为模型都是假定软件
期,根据软件本身的数据来对软件可靠性进行预测。软件不可靠性固定,但是软件受到多种因素的综合影响,软件故
的可靠性预测结果直接影响软件开发员对软件质量的评价,障干变万化,因此采用固定预测方法去套用千变万化的软件
进而对软件开发周期、开放成本、测试和应用等诸多方面造故障,适应性差,预測精度低,因此当前还没有一种模型能够
成影响,因此软件可靠性预测模型的研究成为软件研究中的适用于所有软件系统。 Michael Lyu等在发现仅靠一个软件
热点2?
可靠性预测模型的预测能力有限,但是可以将多个软件可靠
为对软件可靠性进行有效预测,提高预测精度,有许多性预测组合一个预测能力强大的级联模型,预测精度更高
学者和研究人员提出多种软件可靠性预测方法,主要有:多且具有更强的抗数椐“噪声”能力。在級联模型中,采用何种
元回归分析、分类回归树、聚类分析、人工神经网络和支持向方法对各模型的权重分配其中的关键问题的。
量机等)多元回归分析预测精度低,分类回归树的泛化
针对单一模型的软件可靠性预测精度低的缺陷,提出一
推广能力差,聚类分析要求分析人员参与,预测成本高,可重种基于级联网络的软件可靠性组合预测模型。组合模型将4
复性差,容易出错。支持向量虽然泛化推广能力好,但是其个经典软件可靠性预测模型作为基本测模型,将其预测结
核函数和参数优化是一个亟待解决的何题。人工神经网络果输入为BP神经网络的输入,采用BP神经网络自适应学习
能力对各模型权重的进行自动配置和优化,提高软件可靠性
基金项目:河南省教育厅自然科学研究计?(2010A520040)
预测模型的预测精度。
收稿日期:2011-04-08修回日期:2011-05-28
84
万方数据