基于长短期记忆网络的扩展软件稳态训练仿真

• 作者: 卢青华 陈孝如
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 长短期记忆网络 稳态训练 马尔可夫链 关联缺陷 训练方法
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 仿真软件
• 页码范围: 348-351,500
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2022.02.066

摘要

针对目前方法对扩展软件进行稳态训练时,存在软件检测缺陷的时间较长,检测率较低、误报率较高的问题,提出基于长短期记忆网络的扩展软件稳态训练方法.方法首先利用长短期记忆网络对软件中的数据进行特征提取,建立数据集与验证集并以此构建马尔可夫链稳态训练模型,再引入关联缺陷矩阵对软件中的缺陷关联关系进行计算,获取缺陷关联系数,最后依据缺陷的检测率、关联回扣值、关联系数设定资源函数,通过计算剔除软件中的缺陷,完成对软件的稳态训练.实验结果表明,运用上述方法对软件进行稳态训练时,检测缺陷的时间较短、检测效率较高、误报率较低.