基于DBN的软件可靠性预测模型的研究

发布时间：2017-07-07 22:18

  本文关键词：基于DBN的软件可靠性预测模型的研究

  更多相关文章： 深度置信网络 软件可靠性预测模型 动态模式跳转 限制波尔兹曼机 无监督学习

【摘要】：安全攸关系统广泛应用于交通、工控、航空等与国计民生相关的安全攸关领域,对可靠性有着非常高的要求。而控制软件往往是安全攸关系统的核心,因此对它的可靠性预测精度必须达到很高的要求。将深度置信网络(DBN)应用于软件可靠性增长预测模型(SRPM)的研究。针对DBN中核心模块RBM的无监督学习,采用了动态模式跳转算法(DMH)。该算法通过动态地维护一个模式集,然后借助模式集中模式的跳转来完成RBM中状态的跳转,使RBM的无监督学习具有很高的学习效率。通过与参数动态调整的动态模糊神经网络(SADFNN)、BP神经网络(BPN)以及基于萤火虫算法的BP神经网络(FABP)建立的SRPM进行预测能力的比较,实验结果表明基于DBN建立的SRGM的预测结果精度最高且最稳定。
【作者单位】： 南通大学电子信息学院;南通大学计算机科学与技术学院;
【关键词】： 深度置信网络 软件可靠性预测模型 动态模式跳转 限制波尔兹曼机 无监督学习
【分类号】：TP311.53
【正文快照】： 0引言软件可靠性是软件质量要求中的一个关键指标。软件可靠性预测模型(SRPM)作为软件可靠性的评估与预测的主要手段,一直是软件可靠性工程领域研究的主攻方向。至今已经有上百种软件可靠性预测模型被提出来,主要目的在于对软件未来失效预测的实现以及软件可靠性的预测精度的，

本文编号：532060