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

• 作者: 武义涵 苏莉 陈鹏飞 齐勇
• 来源期刊: 西安交通大学学报
• 关键词: 软件老化 最小二乘支持向量机 贝叶斯证据框架
• 年，卷（期）: 2013,（8）
• 页码范围: 12-18
• 页数: 7页
• 分类号: TP301
• 语种: 中文
• DOI: 10.7652/xjtuxb201308003

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	齐勇	西安交通大学电子与信息工程学院	80	870	16.0	27.0
2	陈鹏飞	西安交通大学电子与信息工程学院	5	20	2.0	4.0
3	苏莉	西安交通大学电子与信息工程学院	8	22	3.0	4.0
7	武义涵	北京大学信息科学技术学院	1	6	1.0	1.0