基于SVR的军用装备软件可靠性模型研究

马振宇; 张威; 吴纬; 刘福胜; 高飞

Chinese

您当前的位置：

首页 >

文章列表页 >

基于SVR的军用装备软件可靠性模型研究

更新时间：2026-09-04

- 基于SVR的军用装备软件可靠性模型研究
- Research on Military Equipment Software Reliability Model Based on SVR
- 微电子学与计算机 2018年35卷第7期页码：72-77
- 作者机构：
  
  1. 装甲兵工程学院,北京,100072
  2. 北京特种车辆研究所,北京,100072
  3. 中国人民解放军95942部队,湖北,武汉,430300
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
马振宇, 张威, 吴纬, 刘福胜, 高飞. 基于SVR的军用装备软件可靠性模型研究[J]. 微电子学与计算机, 2018, 35(7): 72-77.

MA Zhen-yu, ZHANG Wei, WU Wei, et al. Research on Military Equipment Software Reliability Model Based on SVR[J]. 2018, 35(7): 72-77.
马振宇, 张威, 吴纬, 刘福胜, 高飞. 基于SVR的军用装备软件可靠性模型研究[J]. 微电子学与计算机, 2018, 35(7): 72-77. DOI：

MA Zhen-yu, ZHANG Wei, WU Wei, et al. Research on Military Equipment Software Reliability Model Based on SVR[J]. 2018, 35(7): 72-77. DOI：

摘要

在软件可靠性建模时

有效的提高可靠性的预测精度

对于指导可靠性测试

提高军用装备软件可靠性具有十分重要的作用.从特种车辆软件测评中心收集了相关数据.将支持向量回归算法应用到军用装备软件的可靠性模型中

并与13种其他机器学习算法模型进行比较.结果表明SVR算法提高了军用软件可靠性预测准确率

分别在均方根误差、平均绝对误差、相对平方根误差、相对绝对误差这四个方面体现出来.

Abstract

In the process of software reliability modeling

it is very important to effectively improve the prediction accuracy of reliability

which can guide the reliability test and improve the reliability of military equipment software. Related data is collected from Special Vehicles Software Assessment Center. It applies support vector regression to military equipment software reliability model and compare to other machine learning algorithms model. The result illustrates that the SVR algorithm can improve the accuracy of military software reliability prediction

which is reflected in the following four aspects:root mean square error、mean absolute error、root relative square error、relative absolute error.

关键词

Keywords

references

Beijing Basak D, Pal S, Patranabis D C. Support vector regression[M].Beijing: Efficient Learning Machines Apress, 2015:203-224. DOI: 203

孙德山, 吴今培, 侯振挺, 等.单参数支持向量回归算法[J].系统工程学报, 2005, 20(1):109-112. DOI: 109

何增郎, 张毅坤, 杨凯峰, 等.一种基于PSO-SVR的软件可靠性评估方法[J].西安理工大学学报, 2012, 28(1):98-101. DOI: 98

Hayes J H, Offutt A J. Increased software reliability through input validation analysis and testing[J]. Empirical Software Engineering, 2010, 11(4):199-209. DOI: 199

张柯, 张德平, 汪帅.软件可靠性混沌神经网络模型[J].计算机科学, 2014, 41(4):172-177. DOI: 172

楼俊钢, 江建慧, 沈张果, 等.软件可靠性预测的相关向量机模型[J].计算机研究与发展, 2013, 50(7):1542-1550. DOI: 1542

陈春秀, 马力.软件可靠性测试技术研究[J].计算机工程与设计, 2010, 31(21):4628-4631. DOI: 4628

苏建元.计算智能主要算法的比较与融合[J].中国电子科学研究院学报, 2007, 2(1):52-56. DOI: 52

王莹.舰艇装备软件可靠性测试工程实践[J].计算机工程与设计, 2012, 33(2):612-616. DOI: 612

张仕光, 米据生, 胡清华.粗糙ε-支持向量回归模型[J].南京大学学报(自然科学), 2013, 49(5):650-654. DOI: 650

乔辉, 周雁舟, 邵楠, 等.基于AGA-LVQ神经网络的软件可靠性预测模型研究[J].计算机科学, 2013, 40(1):179-182. DOI: 179

Drucker H, Burges C J C, Kaufman L, et al. Support vector regression machines.[J]. Advances in Neural Information Processing Systems, 1996, 28(7):779-784. DOI: 779

马振宇, 张威, 卜新旺.软件缺陷与软件测试之间的关联性分析[J].信息通信, 2015(2):124-125. DOI: 124

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

注意力机制与改进密集卷积引导的信息隐藏模型

一种用于极低压boost系统的高效率电荷泵

面向处理器分支预测单元的Spectre攻击轻量化防御方法

基于多尺度融合与小目标增强的航拍车辆检测算法

超低功耗实时时钟电路的设计