| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题研究的依据和意义 | 第8-11页 |
| 1.2 国内外研究现状和水平 | 第11-13页 |
| 1.3 论文的研究内容和组织结构 | 第13-16页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 组织结构 | 第13-16页 |
| 2 预测的相关理论以及方法 | 第16-22页 |
| 2.1 预测的概述 | 第16页 |
| 2.2 各种预测方法的介绍 | 第16-21页 |
| 2.2.1 时间序列分析法 | 第16-17页 |
| 2.2.2 灰色系统理论 | 第17页 |
| 2.2.3 趋势外推法 | 第17-18页 |
| 2.2.4 人工神经网络 | 第18-21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 基于BP神经网络的软件老化预测 | 第22-38页 |
| 3.1 BP神经网络的基础 | 第22-26页 |
| 3.1.1 BP神经网络的原理 | 第22-23页 |
| 3.1.2 BP神经网络的学习算法 | 第23-26页 |
| 3.1.3 BP神经网络的缺点 | 第26页 |
| 3.2 BP神经网络的软件老化预测 | 第26-36页 |
| 3.2.1 实验环境的构建 | 第26-28页 |
| 3.2.2 BP神经网络的设计 | 第28-31页 |
| 3.2.3 实验分析 | 第31-36页 |
| 3.3 本章小结 | 第36-38页 |
| 4 基于AdaBoost算法的BP神经网络的软件老化预测 | 第38-48页 |
| 4.1 AdaBoost算法的基础 | 第38-42页 |
| 4.1.1 AdaBoost算法概述 | 第38-39页 |
| 4.1.2 AdaBoost算法基本原理 | 第39-40页 |
| 4.1.3 AdaBoost算法性能分析 | 第40-42页 |
| 4.2 基于AdaBoost算法的BP神经网络的软件老化预测 | 第42-46页 |
| 4.2.1 基本步骤 | 第42-44页 |
| 4.2.2 实验分析 | 第44-46页 |
| 4.3 本章小结 | 第46-48页 |
| 5 基于极限学习机的软件老化预测 | 第48-60页 |
| 5.1 极限学习机的基础 | 第48-53页 |
| 5.1.1 单隐含层前馈神经网络 | 第48-49页 |
| 5.1.2 极限学习机的概述 | 第49-52页 |
| 5.1.3 极限学习机的学习算法 | 第52页 |
| 5.1.4 极限学习机的优点 | 第52-53页 |
| 5.2 基于极限学习机的软件老化预测 | 第53-59页 |
| 5.2.1 确定隐含层神经元的个数 | 第55页 |
| 5.2.2 确定隐含层神经元的激活函数 | 第55-56页 |
| 5.2.3 实验分析 | 第56-59页 |
| 5.3 本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间所做工作 | 第69页 |