資源描述：
《基于ann和lssvm的軟件可靠性模型組合與優(yōu)化研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、中圖分類號：TP311論文編號：102871616-S056學(xué)科分類號：083500碩士學(xué)位論文基于ANN和LSSVM的軟件可靠性模型組合與優(yōu)化研究研究生姓名楊丹學(xué)科、專業(yè)軟件工程研究方向軟件可靠性指導(dǎo)教師臧洌副教授南京航空航天大學(xué)研究生院計算機科學(xué)與技術(shù)學(xué)院二〇一六年一月NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofComputerScienceandTechnologyResearchonthecombinationandoptimizationofsoftwarereliabil
2、itymodelsbasedonANNandLSSVMAThesisinSoftwareEngineeringbyYangDanAdvisedbyAssociateProfessorZangLieSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringJanuary,2016承諾南京航空航天大學(xué)碩士學(xué)位論文摘要隨著計算機技術(shù)的迅速發(fā)展，軟件的可靠性在計算機系統(tǒng)中占據(jù)了越來越重要的地位。如何預(yù)測軟件可靠性，防止災(zāi)難性事故的發(fā)生，已經(jīng)成為當(dāng)前軟件工程領(lǐng)域的重要研究課題。在實際的軟件可
3、靠性預(yù)測過程中，不同的軟件系統(tǒng)往往需要選擇不同的軟件可靠性模型。人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork，簡稱ANN）具有很強的自適應(yīng)能力和學(xué)習(xí)能力，在軟件可靠性預(yù)測中有較優(yōu)的性能表現(xiàn)，但其無法跳出計算智能的局限。最小二乘支持向量機（LeastSquareSupportVectorMachines，簡稱LSSVM）從統(tǒng)計學(xué)角度出發(fā)，能對軟件可靠性進行有效描述，但其參數(shù)選擇需要依賴專家經(jīng)驗，預(yù)測軟件系統(tǒng)的精度難以得到提高和改進。針對上述問題，本文將基于ANN的軟件可靠性模型和基于LSSVM的軟件可靠性模型進行組合，并用基于分析選擇的模擬退火算法ASSA對組合模型
4、進行優(yōu)化，論文主要工作如下：（1）對軟件可靠性理論、支持向量機理論和常見的軟件可靠性模型進行了研究，為解決更為復(fù)雜的預(yù)測問題提供理論基礎(chǔ)。（2）以人工神經(jīng)網(wǎng)絡(luò)和最小二乘支持向量機為基礎(chǔ)，應(yīng)用模糊自適應(yīng)度變權(quán)方法，將兩種軟件可靠性模型結(jié)合，構(gòu)造出新的組合預(yù)測模型（CO-ANN-LSSVM模型）。（3）提出了一種基于分析選擇的模擬退火算法，通過該算法訓(xùn)練RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)權(quán)值以及優(yōu)化最小二乘支持向量機的人工參數(shù)，構(gòu)造出ACAL模型。最后通過Matlab仿真實驗驗證了模型的可行性和有效性。關(guān)鍵詞：軟件可靠性，組合預(yù)測，人工神經(jīng)網(wǎng)絡(luò)，最小二乘支持向量機，模擬退火算法，分析選擇I基于AN
5、N和LSSVM的軟件可靠性模型組合與優(yōu)化研究ABSTRACTWiththerapiddevelopmentofcomputertechnology,thesoftwarereliabilityismoreandmoreimportantinthecomputersystem.Howtopredictthesoftwarereliabilityandpreventtheoccurrenceofcatastrophicaccidenthasbecometheimportantresearchtopicinthefieldofsoftwareengineering.Intheproce
6、ssoftheactualsoftwarereliabilityprediction,differentsoftwaresystemsoftenneedtochoosedifferentsoftwarereliabilitymodel.ANNhasstrongadaptiveabilityandlearningability,andithasgoodperformanceinsoftwarereliabilityprediction.However,itcan'tjumpoutofthelimitationsofcomputationalintelligence.LSSVMcan
7、effectivelydescribethesoftwarereliabilityfromastatisticalperspective,butitspreferencesdependonexpertexperiences,andpredictionaccuracyofsystemisdifficulttoimprove.Inviewoftheaboveproblems,theANNbasedsoftwarereliabilitymodelandtheLSSVMbasedsoft
