| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 1 文献综述 | 第8-11页 |
| ·研究背景 | 第8页 |
| ·软件衰退现象 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| 2 绪论 | 第11-13页 |
| ·本文的研究目的 | 第11页 |
| ·本文主要工作 | 第11页 |
| ·预期结果 | 第11-12页 |
| ·本文结构 | 第12-13页 |
| 3 马尔科夫和人工神经网络基础理论 | 第13-31页 |
| ·马尔科夫基础理论 | 第13-16页 |
| ·马尔科夫链 | 第13-14页 |
| ·状态转移矩阵 | 第14-16页 |
| ·人工神经网络的基础理论 | 第16-21页 |
| ·人工神经网络理论基础知识 | 第16-17页 |
| ·神经元模型 | 第17-19页 |
| ·激励函数 | 第19-20页 |
| ·神经网络的类型 | 第20-21页 |
| ·BP神经网络介绍 | 第21-27页 |
| ·BP网络原理 | 第22-23页 |
| ·BP网络算法分析 | 第23-26页 |
| ·BP网络算法的改进方法 | 第26-27页 |
| ·一种基于放大误差信号的BP神经网络改进算法 | 第27-30页 |
| ·放大误差信号方法的加入 | 第28页 |
| ·改进算法的收敛性分析 | 第28-30页 |
| ·小结 | 第30-31页 |
| 4 相关概念描述 | 第31-35页 |
| ·软件衰退 | 第31-32页 |
| ·软件衰退状态判定 | 第32页 |
| ·软件衰退预测方法的研究 | 第32-34页 |
| ·小结 | 第34-35页 |
| 5 基于马尔科夫和改进BP神经网络的软件衰退预测模型 | 第35-40页 |
| ·BP神经网络的设计模型 | 第35-38页 |
| ·BP网络的输入和输出 | 第35页 |
| ·数据样本的组织 | 第35-36页 |
| ·BP神经网络结构 | 第36-38页 |
| ·激励函数 | 第38页 |
| ·利用黄金分割建立马尔科夫状态空间模型 | 第38-39页 |
| ·小结 | 第39-40页 |
| 6 软件衰退的衡量指标 | 第40-47页 |
| ·性能参数衡量指标 | 第40页 |
| ·性能监控工具NMON使用 | 第40-42页 |
| ·系统资源占用情况分析及参数选取 | 第42-46页 |
| ·系统资源占用情况 | 第42-44页 |
| ·系统性能参数的归一化处理 | 第44-45页 |
| ·系统性能参数的选取 | 第45-46页 |
| ·小结 | 第46-47页 |
| 7 实验及结果分析 | 第47-57页 |
| ·实验环境 | 第47-48页 |
| ·数据收集、选取 | 第48-49页 |
| ·BP神经网络模型预测实验结果 | 第49-52页 |
| ·BP神经网络隐含层神经元确定 | 第49-51页 |
| ·BP神经网络训练仿真和预测 | 第51-52页 |
| ·马尔科夫模型预测结果 | 第52-56页 |
| ·数据状态划分 | 第52-53页 |
| ·计算概率转移矩阵 | 第53-54页 |
| ·预测结果分析 | 第54-56页 |
| ·小结 | 第56-57页 |
| 总结和展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间发表的论文和参与的项目 | 第62页 |