排错效率和故障发现率可变的软件费用模型

考虑非齐次泊松过程(NHPP)类软件可靠性增长模型,引入以时间为变量的故障排除效率函数和故障发现率函数,建立了软件费用模型,使模型更具有一般性,更符合实际情况。以软件费用最小作为优化目标,讨论了最优释放时间与软件开发的最小费用,实例计算给出了测试时间随故障发现率中的参数的变化情况。     

选择适合的容错技术提高软件可靠性

本文在现有的软件容错技术的基础上,分析了精力、软件逻辑复杂度和软件可靠性之间的关系,提出了在什么样的情况下选择适合的现有容错技术,使得花最小的精力和代价,实现较高的软件可靠性。这对于实践中使用好容错技术具有一定的理论指导作用。     

基于改进Real AdaBoost算法的软件可靠性预测

针对基于单一神经网络的软件可靠性模型预测精度低和可信性差的问题,提出一种基于加权信息熵(WIE)的Real BP-AdaBoost算法。首先,用BP神经网络个体代替Real AdaBoost算法的基分类器,构建Real BP-AdaBoost算法。然后,对Real BP-AdaBoost算法的加权方式进行改进,以基分类器对训练样本的整体分类权值与基分类器对测试样本的个体分类权值的乘积作为最终的加权系数,得到WIE Real BP-AdaBoost算法。最后,通过2组软件实际失效数据对WIE Real BP-AdaBoost算法的有效性进行验证,并与SVM、BP网络、Elman网络和Real BP-AdaBoost算法进行比较研究。实验结果显示,WIE Real BP-AdaBoost算法对2组数据预测的均方误差分别为0.442 87和0.284 71,均低于4个对比模型的均方误差,说明了WIE Real BP-AdaBoost算法模型具有更高的预测精度和可信性。     

基于非参数的软件可靠性验证测试方法

以非参数统计原理为基础,在不假设软件产品寿命服从具体分布的情况下,提出一种基于非参数的软件可靠性验证测试方法.然后,根据验证测试结果,分析失效概率的置信度,从而确定失效概率的真值范围.最后,通过示例证明该方法在未过多增加测试次数的情况下,有效地解决了假设寿命分布理想化和参数估计带来的不确定性问题,使得验证软件的可靠性时,生产方与订购方一致接受最终的验证结果.