论文摘要
随着软件系统规模的日益增大及其复杂性的日益增强,软件的可靠性问题更为突出。因此,如何保证软件的可靠性,有效地进行软件可靠性度量和预测,对帮助软件开发者更加合理地配置资源,从而降低研发成本、缩短产品开发周期和提高软件质量有着十分重要的意义。本文在对软件可靠性预测现状分析的基础上,提出了基于分类器集成的软件可靠性预测框架,然后分别从软件度量属性选择和分类器集成技术两个方面进行研究,主要工作和创新点如下：1.提出了基于分类器集成的软件可靠性预测框架。框架包含三部分：前端部分、核心部分和后端部分。在框架的前端部分,将属性选择引入到数据预处理中；框架的核心部分研究了分类器优化和集成方法；在框架后端部分主要进行预测算法的评价与比较。2.提出了一种基于信息增益和自适应遗传算法的软件度量属性选择方法(IG-AGA)。首先利用信息增益对原始度量属性集进行初选去除冗余属性,然后在精简的属性子集上,通过自适应遗传算法来搜索软件度量的最优属性子集,在属性子集评价上综合考虑KNN分类准确率和属性子集规模。在NASA的软件度量数据集上的仿真实验结果表明,该算法能够有效去除冗余和无关属性,在降低属性维数的同时获得了较好的分类准确率。3.提出了一种基于支持向量机集成的软件可靠性预测方法。分别从分量分类器优化和集成两个方面进行研究。在分量分类器优化方面,提出了基于自适应遗传算法优化支持向量机参数的方法；在分类器集成方面,根据“部分优于全部”的集成思想,提出了一种基于聚类选择的支持向量机集成方法RFCMSE。在经过属性选择的软件度量数据上的预测结果表明,该方法具有更好的预测精度和泛化能力。4.设计并实现基于支持向量机集成的软件可靠性预测原型系统,主要对系统的总体结构、流程和核心模块进行了设计和实现。最后,总结本文的工作,对软件可靠性预测技术的发展前景和研究方向进行了展望。