基于級聯(lián)神經(jīng)網(wǎng)絡(luò)組合模型的軟件可靠性預(yù)測研究.pdf

《基于級聯(lián)神經(jīng)網(wǎng)絡(luò)組合模型的軟件可靠性預(yù)測研究.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、基于級聯(lián)神經(jīng)網(wǎng)絡(luò)組合模型的軟件可靠性預(yù)測研究李梅?基于級聯(lián)神經(jīng)網(wǎng)絡(luò)組合模型的軟件可靠性預(yù)測研究李梅(西安歐亞學(xué)院陜西西安，710065)摘要:神經(jīng)網(wǎng)絡(luò)具有非常強的非線性計算能力,本文提出了一種新的級聯(lián)神經(jīng)網(wǎng)絡(luò)模型,將BP神經(jīng)網(wǎng)絡(luò)模型和經(jīng)典軟件可靠性模型相融合形成一種新的前饋神經(jīng)網(wǎng)絡(luò)。這種前饋神經(jīng)網(wǎng)絡(luò)模型將傳統(tǒng)的軟件可靠性模型的輸出作為BP神經(jīng)網(wǎng)絡(luò)的輸入,逐級進行信息傳遞。關(guān)鍵詞:神經(jīng)網(wǎng)絡(luò);經(jīng)典軟件可靠性模型;BP神經(jīng)網(wǎng)路中圖分類號:TP183文獻標識碼:ADOI編碼:10．1４016/j．cnki．1001-9227．201

2、7．07．01４Abstract:Neuralnetworkhasaverystrongnonlinearcomputingpower．Inthispaper，anewcascadeneuralnetworkmodelisproposed，whichcombinestheBPneuralnetworkmodelwiththeclassicalsoftwarereliabilitymodeltoformanewfeedforwardneuralnetwork．Thisfeedforwardneuralnetworkmodelu

3、sestheoutputofclassicalsoftwarereliabilitymodelsasinputstotheBPneuralnetworkandinformationtransferstepbystep．Keywords:neuralnetwork;classicsoftwarereliabilitymodel;BPneuralnetwork在規(guī)定時間內(nèi)、給定條件下軟件執(zhí)行規(guī)定功能的能力和成功0引言[４]運行的概率。通常是時間的函數(shù)，用R(t)表示。t當前，我國軟件產(chǎn)業(yè)規(guī)模與利潤快速增長，2016年同比R(t)

4、=1-∫f′(x)dx均增長1４．9%。軟件的核心作用正向各領(lǐng)域加速滲透融合，0其中，f(x)表示故障發(fā)生的概率密度函數(shù)，t表示故障發(fā)表現(xiàn)為軟件定義快速興起，帶動產(chǎn)品、業(yè)態(tài)、模式不斷創(chuàng)新，拓生的時刻。上式表明，當軟件發(fā)生的錯誤數(shù)一定時，程序運行展數(shù)字經(jīng)濟發(fā)展新空間，促進產(chǎn)業(yè)發(fā)展。國家軟件和信息技[5]時間越長，發(fā)生的故障次數(shù)越多，軟件可靠性就越小。術(shù)服務(wù)業(yè)十三五發(fā)展規(guī)劃(2016-2020年)中提到軟件是新一軟件的可靠性受很多因素的影響，其中軟件需求分析的代信息技術(shù)產(chǎn)業(yè)的靈魂，軟件和信息技術(shù)服務(wù)業(yè)是引領(lǐng)科技符合度、規(guī)模、開發(fā)

5、環(huán)境、開發(fā)方法、開發(fā)人員的水平等等都對創(chuàng)新、驅(qū)動經(jīng)濟社會轉(zhuǎn)型發(fā)展的核心力量，是建設(shè)制造強國和軟件的可靠性有一定的影響。網(wǎng)絡(luò)強國的核心支撐。建設(shè)強大的軟件和信息技術(shù)服務(wù)業(yè)是1．3軟件可靠性模型構(gòu)建全球競爭新優(yōu)勢、搶占新工業(yè)革命制高點的必然選擇。軟件可靠性預(yù)測模型即為軟件可靠性模型，是指為預(yù)計伴隨著軟件行業(yè)的蓬勃發(fā)展，必然對軟件可靠性提出了[6]或估算軟件的可靠性所建立的可靠性框圖和數(shù)學(xué)模型。軟更高的要求，軟件可靠性工程是一個覆蓋軟件整個開發(fā)過程的軟件質(zhì)量保障技術(shù)[1]。在新技術(shù)、新應(yīng)用(如云計算與大件可靠性模型從1971年J-

6、M的發(fā)表到今天，已經(jīng)有幾百種。其中經(jīng)典的模型有J-M模型，該模型是隨機過程類型模型中數(shù)據(jù)、移動互聯(lián))不斷涌現(xiàn)的當下，針對軟件開發(fā)和應(yīng)用環(huán)境[7]馬爾可夫模型的典型代表。G-O模型是隨機過程中用非開展軟件可靠性預(yù)測研究，有助于降低軟件出錯率，提升軟件[8]其次泊松過程描述的最為經(jīng)典的非齊次泊松過程類模型。質(zhì)量，助力軟件定義世界，智能引領(lǐng)未來的夢想。還有Ｌittlewood-Verrall模型、Seeding模型、Nelson模型，它們1軟件可靠性預(yù)測理論[9]都是典型的非隨機過程類模型。每個模型都是基于不同的假設(shè)，這些假設(shè)和實

7、際情況有些偏離，比如J-M模型假設(shè)排1．1軟件質(zhì)量錯不引入新的錯誤，G-O模型假設(shè)每個缺陷被檢測到的機會ISO中將質(zhì)量定義為一個實體(產(chǎn)品或服務(wù))的所有特均等，沒有考慮缺陷可能被執(zhí)行的概率，模型假設(shè)的局限性影性，基于這些特性可以滿足明顯的或隱含的需要。那么軟件[10]響著其應(yīng)用范圍。質(zhì)量是指軟件符合客戶明確敘述的功能和性能需求、文檔中明確描述的開發(fā)標準，以及所有專業(yè)開發(fā)的軟件都應(yīng)具有的2經(jīng)典的神經(jīng)網(wǎng)絡(luò)軟件可靠性預(yù)測模型[2]隱含特征的程度。經(jīng)典的軟件可靠性模型假設(shè)軟件的故障固定不變，實際軟件質(zhì)量是軟件的生命，它直接影響著軟件

8、的使用和維[11]上軟件受到各種隨機因素的影響，故障千變?nèi)f化。為了解護。目前應(yīng)用型軟件大多采用WEB技術(shù)開發(fā)，使用WEB技決這個問題，N．Karunaithi提出用神經(jīng)元網(wǎng)絡(luò)來解決軟件可靠術(shù)開發(fā)的軟件通過瀏覽器來運行軟件，軟件的某些屬性是軟件質(zhì)量的可靠指標[3]，如軟件運行過程主要考慮是否