|
|||||
|
|
| 贝叶斯证据框架下最小二乘支持向量机的软件老化检测方法 | |
| 引用本文： | 苏莉,陈鹏飞,齐勇,武义涵.贝叶斯证据框架下最小二乘支持向量机的软件老化检测方法[J].西安交通大学学报,2013,47(8). |
| 作者姓名： | 苏莉 陈鹏飞 齐勇 武义涵 |
| 作者单位： | 1. 西安交通大学电子与信息工程学院,710049,西安;海南师范大学数学与统计学院,571158,海口 2. 西安交通大学电子与信息工程学院,710049,西安 3. 北京大学信息科学技术学院,100871,北京 |
| 基金项目： | 国家自然科学基金资助项目，海南省自然科学基金资助项目 |
| 摘 要： | 针对当前软件老化的检测、分析和软件再生的不确定性问题,提出了一种基于贝叶斯证据框架的最小二乘支持向量机(LS-SVM)的软件老化检测方法,即:使用最小二乘支持向量机分类器进行数据分类,以此解决数据采集时出现的小样本、高纬度,非线性、局部最小值等问题;通过贝叶斯证据框架来优化LS-SVM的超参数,从而提高分类器的学习精度和泛化能力.实验结果表明,在状态清晰区间,软件老化的概率均在0.7至0.9之间,而高维模型检测出的软件老化的概率为0或1.如果从概率粒度层来描述软件老化,则软件再生的时间点选取效率更高,根据概率值的变化可进一步解析软件老化的不确定性.实验结果及分析显示,概率粒度所描述的软件健康状态更符合软件老化的客观状况. |
| 关 键 词： | 软件老化 最小二乘支持向量机 贝叶斯证据框架 |
A Software Aging Detection Method Based on Bayesian Framework Using Least Squares Support Vector Machine |
|
| SU Li , CHEN Pengfei , QI Yong , WU Yihan.A Software Aging Detection Method Based on Bayesian Framework Using Least Squares Support Vector Machine[J].Journal of Xi'an Jiaotong University,2013,47(8). | |
| Authors: | SU Li CHEN Pengfei QI Yong WU Yihan |
| Abstract: | |
| Keywords: | software aging least squares support vector machine Bayesian evidence framework |
| 本文献已被 万方数据 等数据库收录！ | |