论文创新点 | 第1-6页 |
摘要 | 第6-8页 |
Abstract | 第8-10页 |
目 录 | 第10-12页 |
引言 | 第12-14页 |
第1章 软件可靠性引论 | 第14-34页 |
·计算机应用系统对可靠性的需求 | 第14-15页 |
·软件可靠性工程 | 第15-16页 |
·软件生命周期和数据分析 | 第16-22页 |
·软件可靠性与硬件可靠性 | 第17页 |
·软件错误与测试 | 第17-19页 |
·软件生命周期 | 第19-21页 |
·数据分析 | 第21-22页 |
·常见的软件可靠性模型 | 第22-32页 |
·种子撒播模型 | 第23-25页 |
·失效率模型 | 第25-27页 |
·曲线拟合模型 | 第27-28页 |
·可靠性增长模型 | 第28页 |
·马尔可夫过程模型 | 第28-29页 |
·时间序列模型 | 第29-30页 |
·非齐次泊松过程模型 | 第30页 |
·模型中的不足之处 | 第30-32页 |
·撰写本论文的目的及论文的组织形式 | 第32-33页 |
·撰写本论文的目的 | 第32页 |
·本论文的组织形式 | 第32-33页 |
·本章小结 | 第33-34页 |
第2章 基于统计学习理论对分类问题和回归问题的求解 | 第34-52页 |
·机器学习简述 | 第34-35页 |
·统计学习方法 | 第35-41页 |
·统计学习的目标 | 第35页 |
·统计学习的两种方法 | 第35-36页 |
·几个统计学问题的描述 | 第36-41页 |
·分类问题的支持向量机方法 | 第41-48页 |
·基于线性可分的最大间隔法 | 第42-43页 |
·对不能线性划分情况的处 | 第43-45页 |
·用于解决分类问题的SVM | 第45-46页 |
·多类分类问题 | 第46-48页 |
·数值拟合(回归)问题的SVM方法 | 第48-50页 |
·线性回归与偏差分类直线(△-分类直线) | 第48-49页 |
·基于△-分类曲线(分类曲面)的回归SVM | 第49-50页 |
·核函数 | 第50-51页 |
·本章小结 | 第51-52页 |
第3章 基于LSSVCM的软件可靠性模型分类方法 | 第52-92页 |
·一些影响软件质量的因素 | 第52-56页 |
·软件项目中常见的一些错误 | 第56-59页 |
·软件可靠性模型分类的常见方法 | 第59-63页 |
·模型的假设与局限性 | 第63-65页 |
·软件可靠性模型分类的支持向量机方法 | 第65-91页 |
·软件质量影响因子的主成分分析 | 第66-70页 |
·软件可靠性模型假设条件的主成分分析 | 第70-79页 |
·软件可靠性模型分类的聚类方法 | 第79-81页 |
·基于LSSVCM的可靠性模型分类及选择方法 | 第81-91页 |
·关于可靠性模型分类中影响因子的选择问题 | 第91页 |
·本章小结 | 第91-92页 |
第4章 软件可靠性分析模型的LSSVRM设计 | 第92-120页 |
·LSSVRM可靠性分析模型及其与传统模型的比较 | 第92-104页 |
·一维SVRM的构造 | 第92-94页 |
·传统的软件可靠性模型的不足之处 | 第94-95页 |
·基于LSSVRM的软件失效模型构造 | 第95-96页 |
·利用LSSVRM-based失效模型拟合软件失效数据 | 第96-101页 |
·LSSVRM-based失效模型与NHPP模型的比较 | 第101-104页 |
·使用支持向量回归机时函数集容量的估计及LEM方法 | 第104-107页 |
·支持向量机的核函数机制解释 | 第104页 |
·使用SVRM时函数集容量的估计 | 第104-106页 |
·支持向量回归机的LEM原则 | 第106-107页 |
·对基于LSSVRM的失效模型的优化 | 第107-112页 |
·样本点的选择和组合核函数的使用 | 第108-110页 |
·利用模拟退火算法优化模型参数 | 第110-112页 |
·构造多变量软件可靠性模型的讨论 | 第112-118页 |
·可靠性因子的状态分析法 | 第113-115页 |
·影响因子的状态模拟分析 | 第115-116页 |
·多变量可靠性模型建模方法 | 第116-118页 |
·本章小结 | 第118-120页 |
第5章 总结与展望 | 第120-123页 |
·对文中创新思路的总结 | 第120-121页 |
·后续工作需要解决的问题 | 第121-123页 |
附表 常见软件可靠性模型与各影响因子的关系 | 第123-126页 |
参考文献 | 第126-130页 |
攻读博士学位期间发表论文情况 | 第130-131页 |
致谢 | 第131页 |