基于最小二乘支持向量机的软件系统老化预测研究

发布时间：2020-04-03 17:55

【摘要】：遗留在软件中的缺陷会随着软件系统长期持续运行造成计算机内存泄露、舍入误差积累、文件锁未能及时释放等现象的发生,最终导致系统性能衰退甚至崩溃。这些软件老化现象的发生不仅降低了系统的可靠性,严重时还会危害人的生命财产安全。为了减轻软件老化带来的危害,对软件老化趋势进行预测,及时采取抗衰策略避免软件老化现象的发生就变的尤为重要。反映软件老化状态的一个很重要指标是软件的平均响应时间,本文通过对软件平均响应时间的预测来推断软件运行状态。针对软件老化预测研究,本文主要工作概述如下:通过对已有预测方法分析并结合软件运行特点,确定用最小二乘支持向量机作为软件老化预测方法。通过实验建立最小二乘支持向量机软件老化预测模型,并与支持向量机软件老化预测模型实验结果进行对比,证明其优越性。最小二乘支持向量机预测模型惩罚因子和核函数参数的选择,对模型的预测效果有很大影响。为了提高最小二乘支持向量机的预测结果,本文采用灰狼优化算法对最小二乘支持向量机的参数进行寻优。建立基于灰狼优化算法的最小二乘支持向量机软件老化预测模型,并通过实验与基于遗传算法的最小二乘支持向量机软件老化预测模型实验结果对比,证明其优越性,从而为软件抗衰操作执行时机的确定提供重要的参考依据。
【图文】：

结章主要包含两方面的内容：一是软件老化预测概述和预测方法的介绍，环境的构建与数据采集。首先简单介绍了软件老化预测的整体流程，然常用的预测方法进行了详尽的介绍和分析，由于软件老化预测高实时性度的要求，确定选用最小二乘支持向量机作为软件老化预测模型。最后方案，搭建实验平台。通过多次的实验，采集实验数据，为软件老化预建立提供训练集数据和测试集数据。

由于 LSSVM 是对 SVM 的改进，，是在 SVM 的基础上发展起来的，而 SVM又是基于统计学习理论。本章先对统计学习理论进行介绍，从而引出 SVM 和LSSVM，并对 SVM 和 LSSVM 进行了详细的介绍。最后建立基于 SVM 软件老化预测模型和 LSSVM 软件老化预测模型，通过对测试集数据平均响应时间的预测，来证明 LSSVM 软件老化预测模型的优越性。3.1 支持向量机理论3.1.1 机器学习的基本问题机器学习（Machine Learning）实际上是一种对问题真实模型的逼近。通过对样本数据的分析来寻找对象间的规律，从而构造出预测模型，再运用该模型对未知数据预测[47]。机器学习模型由数据产生器、训练器和学习机构成，如图 3.1 所示[48]。
【学位授予单位】：西安建筑科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP311.5

【相似文献】

相关期刊论文 前10条

1 王观鹏;李国伟;陈建忠;;最小二乘中的病态问题[J];城市地理;2017年16期

2 王乐洋;;总体最小二乘的扰动分析[J];大地测量与地球动力学;2013年01期

3 鲁照权;俞宗嘉;胡金东;胡焱东;;广义最小二乘限定记忆参数辨识方法与仿真研究[J];安徽大学学报(自然科学版);2009年06期

4 张志云;周永丰;;基于最小二乘和广义最小二乘的系统偏差估计研究[J];舰船电子工程;2008年08期

5 任勋益;王汝传;谢永娟;;基于支持向量机和最小二乘支持向量机的入侵检测比较[J];计算机科学;2008年10期

6 张建玲;;最小二乘与最小一乘[J];科技信息(科学教研);2007年27期

7 王玲,薄列峰,刘芳,焦李成;最小二乘隐空间支持向量机[J];计算机学报;2005年08期

8 刘念;最小二乘插值与拟合推估[J];测绘科学;2002年03期

9 苏财茂,韩荣德;离散点连续圆弧替代最小二乘圆径向误差分析与改进计算[J];机械设计与制造;2001年04期

10 冯兰芳;圆度误差评判的最小二乘圆法[J];郑州工业高专学报;1996年01期

相关会议论文 前10条

1 徐淑琼;袁从贵;张新政;;密度权最小二乘支持向量机[A];中国自动化学会控制理论专业委员会A卷[C];2011年

2 苗晴;唐斌兵;周海银;;基于约束最小二乘的空域迭代图像复原[A];第三届全国信息获取与处理学术会议论文集[C];2005年

3 孙明轩;毕宏博;;最小二乘学习辨识[A];中国自动化学会控制理论专业委员会D卷[C];2011年

4 李方方;赵英凯;贾玉莹;杜杰;;基于最小二乘支持向量机的油品质量预测[A];第25届中国控制会议论文集（上册）[C];2006年

5 袁庆;楼立志;陈玮娴;;加权总体最小二乘在三维基准转换中的应用[A];第二届中国卫星导航学术年会电子文集[C];2011年

6 苑云;朱肇昆;尚洋;;一种加速最小二乘匹配方法[A];第十三届全国实验力学学术会议论文摘要集[C];2012年

7 王国庆;商玉宽;孙雨安;孙晓丽;秦建华;;基于多元曲线分辨-交替最小二乘-紫外光谱的地黄炮制过程监控[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年

8 康传会;汪晓东;汪轲;常健丽;;基于最小二乘支持向量机的迟滞建模方法[A];第二十九届中国控制会议论文集[C];2010年

9 宋卫红;楼琳;李少敏;王敏;任域;;基于总体最小二乘的多测距融合定位模型[A];第九届中国卫星导航学术年会论文集——S10 多源融合导航技术[C];2018年

10 张兆坤;于瀛洁;陈明仪;;用最小二乘迭代法对干涉条纹图进行插值[A];中国仪器仪表学会第三届青年学术会议论文集（上）[C];2001年

相关重要报纸文章 前1条

1 本报记者任健;无法承受之轻[N];建筑时报;2005年

相关博士学位论文 前10条

1 陶叶青;总体最小二乘模型及其在矿区测量数据处理中的应用研究[D];中国矿业大学;2015年

2 鲁铁定;总体最小二乘平差理论及其在测绘数据处理中的应用[D];武汉大学;2010年

3 阎纲;基于最小二乘支持向量机的铝电解过程建模与控制研究[D];中南大学;2012年

4 袁从贵;最小二乘支持向量回归及其在水质预测中的应用研究[D];广东工业大学;2012年

5 胡惠轶;基于分解的系统辨识方法研究[D];江南大学;2014年

6 郑恩希;非多项式最小二乘有限元法在几种散射问题中的应用[D];吉林大学;2012年

7 刘京礼;鲁棒最小二乘支持向量机研究与应用[D];中国科学技术大学;2010年

8 王学锋;整体最小二乘和KKT系统[D];中国海洋大学;2007年

9 马新建;最小二乘无网格法的改进及其拓展应用研究[D];南京理工大学;2012年

10 杨滨;智能计算及应用研究[D];吉林大学;2010年

相关硕士学位论文 前10条

1 侯敏;多输出最小二乘SVR及在求解混沌系统中的应用[D];聊城大学;2018年

2 李扬;最小二乘法、ε-支持向量回归机与最小二乘支持向量回归机的对比研究[D];华东师范大学;2018年

3 王欣;大规模数据样本下的稀疏最小二乘支持向量机研究[D];西安理工大学;2018年

4 胡锐;基于最小二乘支持向量机的胎儿心电信号提取研究[D];广东工业大学;2018年

5 陈珂;基于最小二乘支持向量机的软件系统老化预测研究[D];西安建筑科技大学;2018年

6 赵英文;总体最小二乘精度评定方法研究[D];东华理工大学;2017年

7 舒托;输入为张量的回归问题和分类问题算法研究[D];新疆大学;2017年

8 曹晓莉;最小二乘逆时偏移方法研究[D];中国石油大学(华东);2014年

9 陈沛;一种基于最小二乘映射的减基法及应用[D];湖南大学;2011年

10 于德海;最小二乘小波及其在心电信号识别中的应用[D];北方工业大学;2005年

本文编号：2613518