基于D BN的软件可靠性预测模型的研究

• 作者: 吴小景 王国涛 石振国
• 来源期刊: 计算机应用研究
• 关键词: 深度置信网络 软件可靠性预测模型 动态模式跳转 限制波尔兹曼机 无监督学习
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 软件技术研究
• 页码范围: 3739-3742,3773
• 页数: 5页
• 分类号: TP311.5
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.12.049

摘要

安全攸关系统广泛应用于交通、工控、航空等与国计民生相关的安全攸关领域，对可靠性有着非常高的要求。而控制软件往往是安全攸关系统的核心，因此对它的可靠性预测精度必须达到很高的要求。将深度置信网络（DBN）应用于软件可靠性增长预测模型（SRPM）的研究。针对DBN中核心模块RBM的无监督学习，采用了动态模式跳转算法（DMH）。该算法通过动态地维护一个模式集，然后借助模式集中模式的跳转来完成RBM中状态的跳转，使RBM的无监督学习具有很高的学习效率。通过与参数动态调整的动态模糊神经网络（SA-DFNN）、BP神经网络（BPN）以及基于萤火虫算法的BP神经网络（FABP）建立的SRPM进行预测能力的比较，实验结果表明基于DBN建立的SRGM的预测结果精度最高且最稳定。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	石振国	南通大学计算机科学与技术学院	24	98	6.0	9.0
2	王国涛	南通大学电子信息学院	3	13	2.0	3.0
3	吴小景	南通大学电子信息学院	3	3	1.0	1.0