基于核偏最小二乘回归算法的软件失效时间预测方法技术

本发明专利技术公开了一种基于核偏最小二乘回归算法的软件失效时间预测方法，通过核函数技术的应用，把软件可靠性预测问题转化为一个回归估计问题，并应用核偏最小二乘回归算法来解决可靠性预测问题。通过充分考虑软件可靠性预测的小样本特性，采用核函数技术能克服观测变量多于观测样本数的情形以及变量之间存在的多重共线性，因此不会出现神经网络等建模方法所产生的模型“过拟合”情况。在新方法中，随着软件失效不断发生，模型参数将不断自动调整以适应失效过程的动态变化，从而实现软件可靠性的自适应预测，有效提高软件失效预测模型的适应能力。

【技术实现步骤摘要】

本专利技术涉及软件可靠性测试以及评估过程中下一次或未来较长时间内软件失效时间数据预测方法。
技术介绍
软件可靠性指在规定条件下，在规定时间内，软件不发生失效的概率。随机过程可靠性模型是软件可靠性增长模型领域研究最多、应用最广泛的一类，但实际可靠性问题的统计成分并不能仅用经典的统计分布函数来描述，而且随机过程模型需要对软件故障的属性和软件失效过程做出许多先验的假设，这导致在不同的项目中各模型表现出极大的预测精度差异，即模型的适用性较差。基于核函数理论的方法专门针对小样本数据的预测和分类问题，在很多类似可靠性预测领域得到了非常好的结果，适合软件可靠性预测这种复杂问题。借助于计算机技术，这类模型具有自适应能力和学习功能，在模型适用性以及评估预测能力上均有较好的表现，基于核函数理论的软件可靠性模型在有限样本情况下表现出来的良好特性，在很大程度上可以解决神经网络的过学习等问题，成为目前软件可靠性模型研究中较为重要的一个突破口。
技术实现思路
本专利技术所要解决的技术问题是提供一种，实现软件可靠性的自适应预测，有效提高软件失效预测模型的适应能力。为此，本专利技术采用以下技术方案，它包含如下步骤:(I)、首先观测 并记录顺序软件失效数据集，并把所有的输入输出数据归一化；(2)、通过合理抽象与假设，把软件失效时间预测问题转化为一个函数回归问题；(3)、选择用于预测的核函数，并给定参数的初始化值；(4)、选择用于学习的失效数据数目；(5)、采用核偏最小二乘回归算法针对不同失效数据集进行学习优化(6)、最后选用优化后的参数对新的失效时间进行预测。进一步地，步骤(2)所述的把软件失效时间预测问题转化为一个函数回归问题，采用以下方法:假设已发生的软件失效时间为h，t2, L, tn,令h = fUh, th+p L, V1),则服从固定但未知的条件分布函数FU1Vm, t!_m+1, L, V1)，在怀t2, L, tk已知条件下对tk+1进行预测变为:已知k-m个观测(T1, tm+1)，(T2, tm+2)，L, (Tk_m，tk)和第k-m+1个输入Tk_m+1的情况下，估计第k-m+1个输出值u，其中，Ti表示m维向量Hti, ti+1, L, tm+i]。步骤(3冲用到的核函数为高斯核函数，本文档来自技高网...

【技术保护点】
基于核偏最小二乘回归算法的软件失效时间预测方法，其特征是，它包含如下步骤：?（1）、首先观测并记录顺序软件失效数据集，并把所有的输入输出数据归一化；?（2）、通过合理抽象与假设，把软件失效时间预测问题转化为一个函数回归问题；?（3）、选择用于预测的核函数，并给定参数的初始化值；?（4）、选择用于学习的失效数据数目；?（5）、采用核偏最小二乘回归算法针对不同失效数据集进行学习优化?（6）、最后选用优化后的参数对新的失效时间进行预测。

【技术特征摘要】
1.关于核偏最小二乘回归算法的软件失效时间预测方法，其特征是，它包含如下步骤: (1)、首先观测并记录顺序软件失效数据集，并把所有的输入输出数据归一化； (2)、通过合理抽象与假设，把软件失效时间预测问题转化为一个函数回归问题； (3)、选择用于预测的核函数，并给定参数的初始化值； (4)、选择用于学习的失效数据数目； (5)、采用核偏最小二乘回归算法针对不同失效数据集进行学习优化 (6)、最后选用优化后的参数对新的失效时间进行预测。2.按权利要求1所述的基于核偏最小二乘回归算法的软件失效时间预测方法，其特征是，步骤(2)所述的把软件失效时间预测问题转化为一个函数回归问题，采用以下方法: 假设已发生的软件失效时间为tp t2, L, tn,令h = f (t^, L, V1),则h服从固定但未知的条件分布函数F U11 tn，L, t^)，在t2, L, tk已知条件下对tk+1进行预测变...

【专利技术属性】
技术研发人员：蒋云良，楼俊钢，江建慧，申情，范婧，
申请(专利权)人：湖州师范学院，
类型：发明
国别省市：