通知公告
交大新闻
08 现在的位置：首页 > 期刊导读 > 2013 > 08 >
贝叶斯证据框架下最小二乘支持向量机的软件老化检测方法
【作者】 苏莉 [1,2] ; 陈鹏飞 [1] ; 齐勇 [1] ; 武义涵 [3]
【关键词】 软件老化 最小二乘支持向量机 贝叶斯证据框架
【摘要】针对当前软件老化的检测、分析和软件再生的不确定性问题,提出了一种基于贝叶斯证据框架的最小二乘支持向量机（LS-SVM）的软件老化检测方法,即：使用最小二乘支持向量机分类器进行数据分类,以此解决数据采集时出现的小样本、高纬度,非线性、局部最小值等问题;通过贝叶斯证据框架来优化LS-SVM的超参数,从而提高分类器的学习精度和泛化能力。实验结果表明,在状态清晰区间,软件老化的概率均在0.7至0.9之间,而高维模型检测出的软件老化的概率为0或1。如果从概率粒度层来描述软件老化,则软件再生的时间点选取效率更高,根据概率值的变化可进一步解析软件老化的不确定性。实验结果及分析显示,概率粒度所描述的软件健康状态更符合软件老化的客观状况。
© 2015 《西安交通大学学报》编辑部 地址：西安市咸宁西路28号 邮编：710049
互联网备案号：陕ICP备07500839号