| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 缩略词 | 第9-10页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 国内外研究现状及选题依据 | 第11-15页 |
| 1.2.1 国内外研究现状 | 第11-15页 |
| 1.2.2 选题依据 | 第15页 |
| 1.3 论文组织结构 | 第15-17页 |
| 第二章 软件可靠性相关技术 | 第17-29页 |
| 2.1 软件可靠性概述 | 第17-22页 |
| 2.1.1 软件可靠性相关概念 | 第17-19页 |
| 2.1.2 软件可靠性模型 | 第19-22页 |
| 2.2 统计学理论 | 第22-25页 |
| 2.2.1 支持向量机理论 | 第22-24页 |
| 2.2.2 支持向量机中的核函数 | 第24-25页 |
| 2.3 人工神经网络 | 第25-28页 |
| 2.3.1 人工神经网络概述 | 第25-28页 |
| 2.3.2 人工神经网络用于软件可靠性预测 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于ANN和LSSVM的软件可靠性组合模型 | 第29-39页 |
| 3.1 基于ANN的软件可靠性模型 | 第29-31页 |
| 3.2 基于LSSVM的软件可靠性模型 | 第31-32页 |
| 3.3 模糊自适应变权组合方法 | 第32-38页 |
| 3.3.1 模糊自适应变权方法 | 第32-34页 |
| 3.3.2 ANN模型和LSSVM模型的组合 | 第34-35页 |
| 3.3.3 仿真实验与分析 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于ASSA算法的CO-ANN-LSSVM模型优化 | 第39-55页 |
| 4.1 基于分析选择的模拟退火算法 | 第39-42页 |
| 4.1.1 固体退火过程 | 第39-40页 |
| 4.1.2 Metropolis准则 | 第40-41页 |
| 4.1.3 ASSA算法 | 第41-42页 |
| 4.2 ASSA算法优化RBF神经网络的权值 | 第42-47页 |
| 4.2.1 优化步骤 | 第42-44页 |
| 4.2.2 仿真实验与分析 | 第44-47页 |
| 4.3 ASSA算法优化LSSVM人工参数 | 第47-52页 |
| 4.3.1 优化步骤 | 第47-49页 |
| 4.3.2 仿真实验与分析 | 第49-52页 |
| 4.4 ACAL模型的仿真实验与分析 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 论文工作总结 | 第55页 |
| 5.2 未来工作展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-64页 |
| 在学期间的研究成果及发表的学术论文 | 第64页 |