軟件失效預測的一類非參數(shù)方法研究.pdf

1、軟件失效預測是軟件可靠性評估過程中最耗時最困難的部分，失效預測過程中任何改進都可能極大降低軟件成本。傳統(tǒng)的軟件失效預測方法一般是利用經典的參數(shù)模型，而參數(shù)模型針對復雜軟件失效數(shù)據(jù)不僅無法正確的估計其預測模型，且錯誤率較高，效率低下。相反，非參數(shù)方法在軟件失效預測過程中不依賴于經驗假設與未知模型的估計，既可避免預測中模型不符、參數(shù)估計偏差等問題，又可以充分的利用軟件失效數(shù)據(jù)的歷史信息?；诜菂?shù)方法的軟件失效預測首先針對軟件失效數(shù)據(jù)的歷史

2、信息進行數(shù)據(jù)預處理，然后，利用對已有數(shù)據(jù)的整理進行軟件失效預測建模，最后采用已有模型進行軟件失效預測。本文在分析軟件失效影響因素的基礎上，以提高軟件失效預測的精確度為目的，對一類傳統(tǒng)的非參數(shù)模型進行了研究與改進。主要工作如下：
　　首先，提出基于加權滑動窗口的單變量非參數(shù)軟件失效預測方法(WSW-NM)，對單變量的軟件失效數(shù)據(jù)進行預測。采用滑動窗口作為輸入，通過設置指數(shù)權函數(shù)增加近期數(shù)據(jù)對軟件失效數(shù)的影響，對滑動窗口中各期數(shù)據(jù)進行

3、加權處理并針對異常點進行動態(tài)調整，改變各期數(shù)據(jù)在預測中的重要程度。實驗證明，該方法能夠提高軟件失效的預測精度。
　　其次，提出基于主成分分析的多變量非參數(shù)軟件失效預測方法(PCA-INW)。對原始數(shù)據(jù)進行主成分分析減少樣本的輸入因子數(shù)，利用主成分分析中的方差貢獻率作為非參數(shù)方法中核函數(shù)窗寬矩陣的權重，消除了各輸入因子對結果的作用程度不同所造成的影響。實驗結果表明，維度的減少使模型的訓練時間及預測時間都有所降低，在預測結果的精度和穩(wěn)

4、定性上得到了提高。
　　然后，提出基于非參數(shù)因果關系檢驗的多變量軟件失效預測方法(PCA-INW-Granger)，針對已有的Granger因果關系檢驗方法只適用于兩個變量以及需要諸多限制條件的問題，提出了一種基于改進的非參數(shù)估計法(PCA-INW)的多變量因果關系檢驗方法。該方法運用PCA-INW方法，借鑒Granger因果關系的思想從復雜系統(tǒng)建模角度研究變量間的關系，適用于檢驗多維變量間的因果關系，其優(yōu)點在于對于多輸入單輸出（