| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-22页 |
| ·软件可靠性的研究意义 | 第11-13页 |
| ·软件可靠性模型研究的应用前景 | 第13-14页 |
| ·软件可靠性早期预测模型的发展概况 | 第14-15页 |
| ·软件可靠性预测模型的国内外研究现状 | 第15-18页 |
| ·本课题的研究背景及应用价值 | 第18-20页 |
| ·遗传规划建模方法的研究背景 | 第18-19页 |
| ·遗传规划建模方法的应用价值 | 第19-20页 |
| ·本文内容安排 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第2章 软件可靠性基本概念 | 第22-37页 |
| ·软件可靠性 | 第22-28页 |
| ·软件可靠性定义 | 第22-23页 |
| ·软件可靠性度量 | 第23-25页 |
| ·软件可靠性的基本数学关系 | 第25-26页 |
| ·软件可靠性在软件项目管理中的作用 | 第26-28页 |
| ·软件可靠性建模 | 第28-36页 |
| ·失效数据 | 第28-29页 |
| ·软件可靠性模型的组成 | 第29页 |
| ·模型假设 | 第29-30页 |
| ·建模方法 | 第30-32页 |
| ·建模原理与建模过程 | 第32-33页 |
| ·软件可靠性模型评价 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 软件可靠性预测模型 | 第37-52页 |
| ·软件可靠性预测模型概述 | 第37页 |
| ·几种典型的参数模型 | 第37-47页 |
| ·Jelinski-Moranda(JM)模型 | 第37-41页 |
| ·Goel-Okumoto(GO)非齐次Poisson 过程(NHPP)模型 | 第41-43页 |
| ·S-W 模型 | 第43-45页 |
| ·未确知(UM)模型 | 第45-47页 |
| ·动态可靠性增长模型-ANN | 第47-50页 |
| ·人工神经元的结构 | 第48页 |
| ·多层前向网络及BP 学习算法 | 第48-50页 |
| ·传统预测方法的评述 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 软件可靠性预测的遗传规划建模原理 | 第52-71页 |
| ·研究背景 | 第52页 |
| ·遗传规划基本知识 | 第52-68页 |
| ·算法概述 | 第52-53页 |
| ·基本原理与方法 | 第53-63页 |
| ·模式定理 | 第63-64页 |
| ·GP 算法的收敛性分析 | 第64-68页 |
| ·粒子群算法基本知识 | 第68-70页 |
| ·算法概述 | 第69页 |
| ·基本原理 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第5章 基于遗传规划的软件可靠性建模 | 第71-95页 |
| ·引言 | 第71页 |
| ·建模准备 | 第71-77页 |
| ·预测目标的确立 | 第71-72页 |
| ·遗传规划参数设置 | 第72页 |
| ·模型结构的优化设计 | 第72-73页 |
| ·模型性能的评价 | 第73-74页 |
| ·失效率曲线的预测 | 第74页 |
| ·两种动态可靠性增长模型的试验分析 | 第74-77页 |
| ·建模过程 | 第77-94页 |
| ·实例1：装甲兵工程学院某软件测试用例 | 第77-82页 |
| ·实例2：NTDS 的错误统计数据 | 第82-88页 |
| ·实例3：Musa 数据集的错误统计 | 第88-94页 |
| ·本章小结 | 第94-95页 |
| 第6章 总结与展望 | 第95-98页 |
| ·本文的主要成果和创新点 | 第95-96页 |
| ·后续工作展望 | 第96-98页 |
| 参考文献 | 第98-104页 |
| 附录 1 | 第104-107页 |
| 附录 2 | 第107-111页 |
| 致谢 | 第111-112页 |
| 作者简介 | 第112-113页 |
| 攻读硕士学位期间发表的论文和参加科研情况 | 第113页 |