基于Logistic增长神经网络模型的软件测试方法

• 作者: 侯振兴 宁璐璐 王联国 练智超 魏霖静
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 软件测试 可靠性评估 神经网络 软件可靠性增长模型 Logistic曲线 Wood数据集 Ohba数据集 故障检测
• 年，卷（期）: 2017,（4）
• 页码范围: 646-651
• 页数: 6页
• 分类号: TP311
• 字数: 4647字
• 语种: 中文
• DOI: 10.11990/jheu.201605108

摘要

软件可靠性评估性能直接影响软件测试的工作量,本文针对软件测试工作中的故障检测和校正处理问题,提出一种基于Logistic增长神经网络的软件测试方法.该方法考虑到软件工程的多样性,利用Logistic增长曲线构建神经网络模型完成故障检测,并结合指数分布校正时间完成故障校正过程.通过两组真实失效数据集(Ohba与Wood)的试验,将所提方法与现有的软件可靠性增长模型(software reliability growth model,SRGM)进行了比较.结果显示Logistic增长神经网络模型的模型拟合效果最优,表现出了更好的软件可靠性评估性能及模型适应性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王联国	甘肃农业大学信息科学技术学院	100	903	14.0	27.0
2	魏霖静	甘肃农业大学信息科学技术学院	61	105	5.0	6.0
3	宁璐璐	南洋理工大学生物科学学院	3	11	2.0	3.0
4	练智超	南京理工大学计算机科学与工程学院	4	10	2.0	3.0
5	侯振兴	南京大学信息管理学院	11	43	5.0	6.0