期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

基于SVM的软件可靠性评估 被引量：3

Software Reliability Evaluation Based on Support Vector Machine
在线阅读 下载PDF
导出
摘要 软件可靠性评估是软件可靠性工程研究的一个重要方向。本文运用聚类思想对软件可靠性进行评估,在对软件可靠性因素进行编码的基础上,采用SVM(支持向量机)对其进行聚类研究,实现了软件可靠性的自动化评估。最后通过仿真测试,证明了此方法的有效性和可行性。 Software Reliability Evaluation is a important part of software reliability engineering. Software reliability evaluation has been an emphasis in the research of software reliability. In this paper, the used of clustering analysis as a tool for software reliability evaluation.On the base of software reliability factor data coded, used Support Vector Machine as a tool for clustering analysis, Used some data sets to demonstrate the approach＇s accuracy and efficiency.
作者 吴勤 侯朝桢 原菊梅
机构地区 北京理工大学信息科学技术学院自动控制系
出处 《微计算机信息》 北大核心 2006年第03X期209-211,共3页 Control & Automation
基金 国防基础研究基金支持
关键词 软件可靠性评估 支持向量机 聚类 Software Reliability Evaluation Support Vector Machine Clustering
分类号 TP133 [自动化与计算机技术—控制理论与控制工程]
  • 相关文献

参考文献2

二级参考文献28

  • 1ST Microelectronics. M41ST87Y/M41ST87W SECURE SERIAL RTC and NVRAM SUPERVISOR with TAMPER DETECTION.www.st.com.2003.
  • 2VapnikV.统计学习理论的本质[M].北京：清华大学出版社,2000..
  • 3Osuna E,Freund R,Girosi F. Support Vector Machines: Training and Application [R]. CBCL Paper #144 / AI Memo #1602,Cambridge,MA: Massachusetts Institute of Technology,AI Lab,1997.
  • 4Osuna E,Freund R,Girosi F. An improved training algorithm for support vector machines [A]. Principe J,Gile L,Morgan N,et al. Proceedings of the 1997 IEEE Workshop on Neural Networks for Signal Processing [C]. IEEE,1997. 276-285.
  • 5Joachims T. Making large-scale support vector machine learning practical [A]. Scholkopf B,Burges C,Smola A. Advances in Kernel Methods - Support Vector Learning [C]. Cambridge,MA: MIT Press,1999. 169-184.
  • 6LIN Chihjen. On the convergence of the decomposition method for support vector machines [J]. IEEE Transactions on Neural Networks,2001,12(6): 1288-1298.
  • 7Laskov P. An improved decomposition algorithm for regression support vector machines [A]. Solla S,Leen T,Muller K-R. Advances in Neural Information Processing Systems 12 [C]. Cambridge,MA: MIT Press,2000. 484-490.
  • 8Laskov P. Feasible direction decomposition algorithms for training support vector machines [J]. Machine Learning,2002,46(1/3): 315-349.
  • 9Pérez-Cruz F,Alarcón-Diana P,Navia-Vázquez A,et al. Fast training of support vector classifiers [A]. Leen T,Dietterich T,Tresp V. Advances in Neural Information Processing Systems 13 [C]. Cambridge,MA: MIT Press,2001. 734-740.
  • 10Platt J. Fast training of support vector machines using sequential minimal optimization [A]. Scholkopf B,Burges C,Smola A. Advances in Kernel Methods - Support Vector Learning [C]. Cambridge,MA: MIT Press,1999. 185-208.

共引文献46

同被引文献26

引证文献3

二级引证文献18

微计算机信息
2006年 第03X期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部