.png){kind=icon}
返回
Software Reliability Prediction Using Chaotic Convolution Neural Network and Chi-square-based Grey Wolf Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1007/s10836-026-06259-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
软件可靠性预测是评估软件质量和软件系统在测试与部署期间可靠性的关键过程。然而，软件失效数据的非线性、动态性和不确定性特征使得可靠性精确估计困难。传统软件可靠性增长模型（SRGMs）和机器学习（ML）模型在建模复杂失效行为时可能存在困难，且在训练有限测试数据时预测性能不稳定。为解决这些问题，本文提出了一种混合软件可靠性预测模型，即基于卡方检验的灰色狼群优化算法的混沌卷积神经网络（CCNN-CGWO）。根据所提出的结构，软件失效数据首先通过Logistic混沌映射进行变换以增强非线性特征表示。随后，数据经混沌卷积神经网络（CCNN）处理以提取深层失效模式并估计可靠性参数。之后，采用基于卡方检验的灰色狼群优化（CGWO）算法优化估计参数，以最小化预测与观察失效行为间的统计差异。此外，引入测试工作量函数以更真实地模拟软件测试的实际动态并提升预测精度。所提框架使用DS1和DS2 Tandem计算机软件的失效数据进行了测试，并与Goel–Okumoto、TEF-based SRGM、GWO-SRGM和CGWO-SRGM模型进行了比较。实验结果表明，所提CCNN-CGWO模型在DS1和DS2上分别实现了MSE值为0.021和0.020、RE值为0.022和0.020、R²值为0.99以及卡方适应度值为2.5和2.3的较低预测误差。结果表明，所提CCNN-CGWO模型比现有模型能更准确、更稳健地预测软件可靠性。
Keyword:
Software reliability growth model
Chaotic convolutional neural network
Testing effort function
Grey Wolf Optimisation
Mean squared error
期刊
IF:
3.2
论文数:
1.2K
被引数:
1.6K
机构
引用论文
分享收藏Comparative Analysis of Low Discrepancy Sequence-Based Initialization Approaches Using Population-Based Algorithms for Solving the Global Optimization Problems使用基于种群的算法解决全局优化问题的基于低差异序列的初始化方法的比较分析
OAAI
OAAI分享收藏Reliability prediction analysis of aspect-oriented application using soft computing techniques基于软计算技术的面向方面应用程序可靠性预测分析
PREAI
分享收藏Software reliability prediction: A machine learning and approximation Bayesian inference approach软件可靠性预测：一种机器学习和近似贝叶斯推理方法OAAI
OAAI分享收藏High-efficiency chaotic time series prediction based on time convolution neural network基于时间卷积神经网络的高效混沌时间序列预测
PREAI
分享收藏Predicting of Open Source Software Component Reusability Level Using Object-Oriented Metrics by Taguchi Approach利用田口方法通过面向对象度量预测开源软件组件可重用性级别
PREAI
分享收藏Semantic and traditional feature fusion for software defect prediction using hybrid deep learning model.png)
SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏
查看更多内容