文献类型：期刊文章

作　　者：楼俊钢[1] 江建慧[2] 沈张果[1] 蒋云良[1]

机构地区：[1]湖州师范学院计算机科学与技术系浙江湖州313000 [2]同济大学计算机科学与技术系上海201804

出　　处：《计算机研究与发展》

基　　金：国家自然科学基金项目(61103051);国家“八六三”高技术研究发展计划基金项目(2007AA01Z142);湖州市自然科学基金项目(2011YZ08)

年　　份：2013

卷　　号：50

期　　号：7

起止页码：1542-1550

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSA-PROQEUST、CSCD、CSCD2013_2014、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：相关向量机是一种解决回归问题非常有效的方法,针对软件失效时间及其之前的m个失效时间数据使用相关向量机进行学习,以建立失效时间之间内在的依赖关系,由此构建新的基于相关向量机的软件可靠性预测模型.在4个数据集上的实验结果表明,新模型在预测能力上较之广泛使用的基于支持向量机或人工神经网络的软件可靠性预测模型有明显的提高,同时也表明现时失效数据的预测能力比很久之前观测的失效数据更强,最后通过实验对合理的m值及不同数据集上核函数参数取值进行研究.

关 键 词：软件可靠性预测 相关向量机 支持向量机 人工神经网络 稀疏贝叶斯模型  

分 类 号：TP311]