-
公开(公告)号：CN118260189A
公开(公告)日：2024-06-28
申请号：CN202311675100.X
申请日：2023-12-06
Applicant: 武汉理工大学 , 武汉理工大学重庆研究院
IPC: G06F11/36 , G06F18/10 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及一种软件系统老化失效时间预测方法、装置、电子设备及介质，其方法包括：收集软件系统运行失效的原始数据；对原始数据进行预处理得到预处理数据；将预处理数据输入到时间关系提取模块中得到时间高维特征，将预处理数据输入到空间关系提取模块中得到空间高维特征，时间关系提取模块为由若干个双向GRU和注意力机制堆叠构成的神经网络结构，空间关系提取模块为由若干个多尺度卷积块构成的神经网络结构；将时间高维特征和空间高维特征融合，得到时空高维特征；将时空高维特征输入到预设的预测模型中，得到软件系统预测的老化失效时间。本发明可以实现精准有效的预测软件系统的老化失效时间。
-
Patent Agency Ranking
公开(公告)号：CN118839249A
公开(公告)日：2024-10-25
申请号：CN202410898598.4
申请日：2024-07-05
Applicant: 武汉理工大学 , 武汉理工大学重庆研究院
IPC: G06F18/2415 , G06F18/214 , G06F18/23213 , G06F18/22 , G06N3/126
Abstract: 本发明公开了一种面向类内和类间高度不平衡的老化缺陷预测方法，该方法包括：获取原始老化缺陷数据集，并将其划分为训练集和测试集；原始老化缺陷数据集包括存在老化bug的样本和没有老化bug的样本；对训练集进行基于噪声点清理的类内平衡；基于类内平衡的训练集，进行基于生成对抗网络的类间平衡；使用平衡后的数据集进行分类器训练，最后利用训练好的分类器进行软件老化缺陷预测。本发明可以有效解决老化缺陷预测中数据集中普遍存在的高度类不平衡问题，提升老化缺陷预测模型的分类精度和效率。
-
公开(公告)号：CN111881048B
公开(公告)日：2022-06-03
申请号：CN202010758279.5
申请日：2020-07-31
Applicant: 武汉理工大学
Abstract: 本发明公开了一种跨项目软件老化预测方法，首先对源项目和目标项目中的数据进行预处理，之后采用联合分布域适应减小边缘分布和条件分布差异，然后采用欠采样法和改进的子类判别分析法缓解类不平衡问题，最后使用机器学习分类器(逻辑回归等)进行预测。本发明考虑了软件老化缺陷数据集源项目和目标项目间的条件分布差异，并进一步采用改进的子类判别分析法等缓解极其严重的类不平衡问题。它解决了传统跨项目软件老化缺陷预测方法精度以及健壮性不高的问题，有助于开发者在开发测试阶段发现软件老化相关缺陷并移除，避免软件老化问题带来的损失。本发明已在真实软件上验证过其可行性，并可推广至其他软件来预测软件老化相关缺陷。
-
公开(公告)号：CN111881048A
公开(公告)日：2020-11-03
申请号：CN202010758279.5
申请日：2020-07-31
Applicant: 武汉理工大学
Abstract: 本发明公开了一种跨项目软件老化预测方法，首先对源项目和目标项目中的数据进行预处理，之后采用联合分布域适应减小边缘分布和条件分布差异，然后采用欠采样法和改进的子类判别分析法缓解类不平衡问题，最后使用机器学习分类器(逻辑回归等)进行预测。本发明考虑了软件老化缺陷数据集源项目和目标项目间的条件分布差异，并进一步采用改进的子类判别分析法等缓解极其严重的类不平衡问题。它解决了传统跨项目软件老化缺陷预测方法精度以及健壮性不高的问题，有助于开发者在开发测试阶段发现软件老化相关缺陷并移除，避免软件老化问题带来的损失。本发明已在真实软件上验证过其可行性，并可推广至其他软件来预测软件老化相关缺陷。
-
公开(公告)号：CN111881023A
公开(公告)日：2020-11-03
申请号：CN202010664912.4
申请日：2020-07-10
Applicant: 武汉理工大学
Abstract: 本发明公开了一种基于多模型对比的软件老化预测方法及装置，属于软件老化领域，从目标软件系统收集老化指标，将其处理成时间序列数据作为模型的预输入；针对老化数据规模，设计包括机器学习和神经网络的老化预测模型，计算各模型的预测误差，选定误差最小的模型作为候选模型；计算该模型与其他模型间是否存在显著性差异，如果差异性明显，选定该模型为最终的老化预测模型。本发明解决了单个模型预测结果可能会影响决策制定的问题，用户可以根据老化数据特征和预测误差自动地选择适合的模型，避免了主动性的维护措施或早或晚地执行，降低对软件可靠性的影响。可以扩展更多的模型，针对不同的老化数据规模可以选择最优的预测模型帮助系统运维。
-
公开(公告)号：CN111881023B
公开(公告)日：2022-05-06
申请号：CN202010664912.4
申请日：2020-07-10
Applicant: 武汉理工大学
Abstract: 本发明公开了一种基于多模型对比的软件老化预测方法及装置，属于软件老化领域，从目标软件系统收集老化指标，将其处理成时间序列数据作为模型的预输入；针对老化数据规模，设计包括机器学习和神经网络的老化预测模型，计算各模型的预测误差，选定误差最小的模型作为候选模型；计算该模型与其他模型间是否存在显著性差异，如果差异性明显，选定该模型为最终的老化预测模型。本发明解决了单个模型预测结果可能会影响决策制定的问题，用户可以根据老化数据特征和预测误差自动地选择适合的模型，避免了主动性的维护措施或早或晚地执行，降低对软件可靠性的影响。可以扩展更多的模型，针对不同的老化数据规模可以选择最优的预测模型帮助系统运维。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
