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。
上一篇:对称性的起因:非业务性网络流量新特性的挖掘与探索
下一篇:考虑可信度评价的多传感器一致性鲁棒测度方法