基于olc算法软件可靠性预测的分析

《基于olc算法软件可靠性预测的分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、移易匆事歹矢事硕士学位论文学科名称：盐簋扭筮佳生翌迨学科门类：王堂指导教师：韭麴垃熬援申请Et期：墨QQZ生圣旦摘要论文题目：基于OLC算法的软件可靠性预测分析学科专业：计算机软件与理论研究生：许宁签名：指导教师：张毅坤教授签名：软件可靠性工程可以应用于任何基于软件产品的任一版本，可以开始于任一版本周期。它是对于软件产品质量保证的一门科学。应用于软件工程的整个生命周期。而软件可靠性增长模型在这个过程中起到的作用是至关重要的。通过合理的预测我们可以得出一些积极的软件可靠性指标，得以很好地控制软件过程中进行相关的预测活动。众所周知，软件可靠

2、性的预测分析是建立在大量缺陷数据上的，而通过对大量的软件可靠性增长模型的静态趋势分析得出，个别异常数据点对软件可靠性预测过程中的扰动是极其明显和普遍的，并且这些数据不能完全的遵从于分布曲线。产生这些现象的原因有：在不同功能区选取测试用例进行测试会得到不同的失效数据分布：软件可靠性测试的输入域数据的分布与选取也影响时间域内的失效数据分布趋势等等。在软件可靠性过程中，原始假设门槛过高，对于并不能均匀分布但是却具有代表性，且覆盖性大的缺陷数据并不能做到极大地拾取，另外对于异点扰动数据显得无能为力。本文讨论并分析了现有经典模型(J．M模型)在进

3、行软件可靠性指标分析中的局限性，提出了基于OLC算法的可靠性模型的预测分析，也提出了正交聚类结构，同时结合传统模型，在积累软件缺陷数据的基础上，进行预测分析。在阐述该结构体系时分为三大部分：a_传统软件可靠性模型预测分析的局限性和提出的问题；b．正交结构聚类算法的提出以及基于此算法的改进模型的提出；c．预测分析的实现和数据分析比较。在a部分，以传统J-M模型为依托，介绍基于传统模型的软件可靠性预测分析的过程，引入传统预测模型的相关概念，分析出其中的不足并提出问题。在b部分，以传统的正交结构和聚类““1理论为依托，提出正交聚类结构体系，分

4、析解决a部分提出问题的原因，并给出相关的概念。c部分讨论了基于新算法运用于J．M模型，并以KishorS．Tdvcdi提出”1的传统的缺陷积累数据进行实际的软件可靠性预测分析。本文提出的算法在改进的J．M模型上，进行软件可靠性预测分析，深入介绍了J．M模型缒选取和概念，针对其预测中存在的不足，提出基于OLC算法的预测。同时发现该体系结构煮不少地方值得进一步改善和深入研究，因此在本文的最后讨论了该体系结构的不足和展望．关键词：软件可靠性增长模型；正交分层聚类算法；失效数据集’Abstr8ctTitle：THERESEACHONRELIAB

5、ILlTyPREDICTIONBASEDONORTHOGONALLAYERCLUSTERlNGALGORlTHMMajor：ComputerSoftwareandTheoryName：NingXUSupervisor：PrO骨．YiKunZHANGAbstractThesoftwarereliabilityprojectmayapplyinanybasedonsoftwareproductanyedition，maystartinanyeditioncycle．Itisregardingasoftwareproductqualitygu

6、aranteescienceapptinsinthesoftwareengineeringentirelifecycle．Butthesoftwarereliabilitygrowthmodelplaysallimportantroleinthisprocess．Thruu曲reasonableforecastwemayobtainsomepositivesoftwarereliabletarget，whichcancontrolinthesoftwareprocesstocarryonthecorrelationforecastwel

7、l．Itiswellknown，thesoftwarereliableforecastanalysisisbasedonthemassiveflawdata，butthrouIghthestaticstatetrendanalysisofmassivesoftwarereliabilitygrowthmodel，theindividualunusualdatapointingtointhesoftwarereliabilityforecastprocessperturbationisextremelyobviousanduniversa

8、l，andthesedatacannotthecompletedeferenceinthedistributioncurve．Hasthesephenomenonreasontoinclude：Doesno