基于结合自适应步长布谷鸟搜查算法的模糊神经网络的软件可靠性增长模型
文献类型：期刊论文
| 作者 | 郭立红
|
| 刊名 | 计算机应用
 |
| 出版日期 | 2014-10-10 |
| 期号 | 10页码:2908-2912 |
| 关键词 | 软件可靠性增长模型 软件缺陷数据 自适应步长布谷鸟搜查算法 模糊神经网络 一步向前预测 |
| 中文摘要 | 针对现有的软件可靠性增长模型(SRGM)适用性较差、预测精度波动大的问题,使用自适应步长布谷鸟搜查(ASCS)算法对模糊神经网络(FNN)的权重和阈值进行寻优,利用得到了最优权重和阈值的FNN建立SRGM。在使用缺陷数据对FNN训练的过程中,利用ASCS来调整FNN的权重和阈值,以此提高在预测过程中的精度,同时采用多次预测结果取均值的方式来减小FNN预测的波动性,以此建立基于结合自适应步长布谷鸟搜查算法的模糊神经网络(ASCS-FNN)的软件可靠性增长模型。利用3组软件缺陷数据,以误差比均值和误差平方和作为衡量标准,对基于ASCS-FNN、结合模拟退火算法的动态模糊神经网络(SA-DFNN)、FNN、BP网络(BPN)建立的SRGM的一步向前预测能力进行比较。预测结果表明,在四组模型中,基于ASCS-FNN建立的SRGM相对于SA-DFNN、FNN、BPN建立的SRGM的平均预测精度相对提高率RI(AE)和RI(SSE)分别为-1.48%、54.8%、33.8%和14.4%、76%、35.9%,并且该模型比FNN、BPN建立的SRGM在相同缺陷数据下的预测波动性小,而且网络结构比SA-DFNN的网络结构简单。因此该模型具有预测精度较高、预测稳定和具有一定的适用性等优点。 |
| 语种 | 中文 |
| 公开日期 | 2015-05-27 |
| 源URL | [http://ir.ciomp.ac.cn/handle/181722/43412]  |
| 专题 | 长春光学精密机械与物理研究所_中科院长春光机所知识产出 |
| 推荐引用方式 GB/T 7714 | 郭立红. 基于结合自适应步长布谷鸟搜查算法的模糊神经网络的软件可靠性增长模型[J]. 计算机应用,2014(10):2908-2912. |
| APA | 郭立红.(2014).基于结合自适应步长布谷鸟搜查算法的模糊神经网络的软件可靠性增长模型.计算机应用(10),2908-2912. |
| MLA | 郭立红."基于结合自适应步长布谷鸟搜查算法的模糊神经网络的软件可靠性增长模型".计算机应用 .10(2014):2908-2912. |
入库方式： OAI收割
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。