[發(fā)明專利]基于相關(guān)向量回歸估計(jì)的軟件失效時(shí)間預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310013004.9
• 申請(qǐng)日: 2013-01-14
• 公開（公告）號(hào): CN103106139A
• 公開（公告）日: 2013-05-15
• 發(fā)明（設(shè)計(jì)）人: 蔣云良;樓俊鋼;沈張果;范婧
• 申請(qǐng)（專利權(quán)）人: 湖州師范學(xué)院
• 主分類號(hào): G06F11/36
• 分類號(hào): G06F11/36
• 代理公司: 浙江杭州金通專利事務(wù)所有限公司 33100
• 代理人: 劉曉春

【技術(shù)領(lǐng)域】

本發(fā)明涉及軟件可靠性測(cè)試以及評(píng)估過程中下一次或未來較長(zhǎng)時(shí)間內(nèi)軟件失效時(shí)間數(shù)據(jù)預(yù)測(cè)方法。?

【背景技術(shù)】

軟件可靠性指在規(guī)定條件下，在規(guī)定時(shí)間內(nèi)，軟件不發(fā)生失效的概率。在解決可靠性預(yù)測(cè)問題是，傳統(tǒng)解決方法反映了大樣本統(tǒng)計(jì)學(xué)的哲學(xué)，容易出現(xiàn)過學(xué)習(xí)以及適用性差等問題。?

統(tǒng)計(jì)學(xué)習(xí)理論是建立在一套較堅(jiān)實(shí)的理論基礎(chǔ)之上的，為解決有限樣本學(xué)習(xí)問題提供了一個(gè)統(tǒng)一的框架。它能將很多現(xiàn)有方法納入其中，有望幫助解決許多原來難以解決的問題，如神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)選擇問題、局部極小點(diǎn)問題等。相關(guān)向量機(jī)（relevance?vector?machine，RVM）是Tipping于2001年所提出的一種稀疏貝葉斯學(xué)習(xí)模型，在很多方面取得了非常不錯(cuò)的應(yīng)用，如物體的跟蹤，3D姿態(tài)估計(jì)，3D模型恢復(fù)等，電力負(fù)荷預(yù)測(cè)，信道均衡預(yù)測(cè)等。?

【發(fā)明內(nèi)容】

本發(fā)明所要解決的技術(shù)問題是提供一種基于相關(guān)向量回歸估計(jì)的軟件失效時(shí)間預(yù)測(cè)方法，能實(shí)現(xiàn)軟件可靠性的自適應(yīng)預(yù)測(cè)。為此，本發(fā)明采用以下技術(shù)方案，它包含如下步驟：?

（1）、首先觀測(cè)并記錄順序軟件失效數(shù)據(jù)集，并把所有的輸入輸出數(shù)據(jù)歸一化；?

（2）、通過合理抽象與假設(shè)，把軟件失效時(shí)間預(yù)測(cè)問題轉(zhuǎn)化為一個(gè)函數(shù)回歸問題；?

（3）、選擇用于預(yù)測(cè)的核函數(shù)，并給定參數(shù)的初始化值；?

（4）、選擇用于學(xué)習(xí)的失效數(shù)據(jù)數(shù)目；?

（5）、采用相關(guān)向量回歸估計(jì)算法針對(duì)不同失效數(shù)據(jù)集進(jìn)行學(xué)習(xí)優(yōu)化；?

（6）、最后選用優(yōu)化后的參數(shù)對(duì)新的失效時(shí)間進(jìn)行預(yù)測(cè)。?

進(jìn)一步地，步驟（2）所述的把軟件失效時(shí)間預(yù)測(cè)問題轉(zhuǎn)化為一個(gè)函數(shù)回歸問題，采用如下方法：?

假設(shè)已發(fā)生的軟件失效時(shí)間為t₁,t₂,L,t_n，令t_l＝f(t_l-m,t_l-m+1，L,t_l-1)，則t_l服從固定但未知的條件分布函數(shù)F(t_l|t_l-m,t_l-m+1，L,t_l-1)，在t₁,t₂,L,t_k已知條件下對(duì)t_k+1進(jìn)行預(yù)測(cè)變?yōu)椋阂阎猭-m個(gè)觀測(cè)(T₁,t_m+1),(T₂,t_m+2),L,(T_k-m,t_k)和第k-m+1個(gè)輸入T_k-m+1的情況下，估計(jì)第k-m+1個(gè)輸出值其中，T_i表示m維向量[t_i,t_i+1，L,t_m-i]；?

步驟（3）中用到的核函數(shù)為高斯核函數(shù)，其參數(shù)初始值g＝1。?

步驟（4）中的失效數(shù)據(jù)數(shù)目為5-8之間的整數(shù)。?

進(jìn)一步地，步驟（5）所述的采用相關(guān)向量回歸估計(jì)算法針對(duì)不同失效數(shù)據(jù)集進(jìn)行學(xué)習(xí)優(yōu)化，包括如下過程：?

（5.1）、給定一群向量與對(duì)應(yīng)的目標(biāo)值作為輸入，假設(shè)x與t的對(duì)應(yīng)關(guān)系符合以下的函數(shù)：?

p(t_i)＝N(t_i|y(x_i;w),σ²)?

（5.2）、令t的概率分布為：?