邵楠
- 作品数：6 被引量：29H指数：3
- 供职机构：解放军信息工程大学更多>>
- 发文基金：武器装备预研基金国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于LASSO-LARS的软件复杂性度量属性特征选择研究被引量：5
- 2013年
- 针对软件可靠性早期预测中软件复杂性度量属性维数灾难问题,提出了一种基于最小绝对值压缩与选择方法(The Least Absolute Shrinkage and Select Operator,LASSO)和最小角回归(Least Angle Regression,LARS)算法的软件复杂性度量属性特征选择方法。该方法筛选掉一些对早期预测结果影响较小的软件复杂性度量属性,得到与早期预测关系最为密切的关键属性子集。首先分析了LASSO回归方法的特点及其在特征选择中的应用,然后对LARS算法进行了修正,使其可以解决LASSO方法所涉及的问题,得到相关的复杂性度量属性子集。最后结合学习向量量化(Learning Vector Quantization,LVQ)神经网络进行软件可靠性早期预测,并基于十折交叉方法进行实验。通过与传统特征选择方法相比较,证明所提方法可以显著提高软件可靠性早期预测精度。
- 周雁舟乔辉吴晓萍邵楠惠文涛
- 关键词：LVQ神经网络
- 基于学习向量量化神经网络的软件可靠性预测被引量：2
- 2012年
- 针对传统的软件可靠性预测模型在实际应用中存在预测泛化性能不佳等问题,提出一种基于学习向量量化(LVQ)神经网络的软件可靠性预测模型。首先分析了LVQ神经网络的结构特点以及它与软件可靠性预测的联系,然后运用该网络来进行软件可靠性的预测,并基于美国国家航空航天局(NASA)软件数据项目中的实例数据集,运用Matlab工具进行了仿真实验。通过与传统预测方法的对比,证明该方法具有可行性和较高的预测泛化性能。
- 乔辉周雁舟邵楠
- 关键词：软件可靠性预测泛化性能学习向量量化神经网络映射网络MATLAB仿真
- 基于AGA-LVQ神经网络的软件可靠性预测模型研究被引量：12
- 2013年
- 针对当前大多数软件可靠性预测模型预测准确率不高等问题,利用LVQ神经网络的非线性运算能力和自适应遗传算法(AGA)的参数寻优能力,提出了一种基于AGA-LVQ的软件可靠性预测模型。首先对待预测的数据用主成分分析(PCA)等方法进行预处理以降低维度,去除冗余和错误数据,然后根据自适应遗传算法来计算最优的LVQ神经网络初始权值向量,最后运用LVQ神经网络进行软件可靠性预测实验。通过与传统方法的对比,证明该方法具有较高的预测准确率。
- 乔辉周雁舟邵楠高杨粟登银
- 关键词：软件可靠性预测模式识别LVQ神经网络自适应遗传算法主成分分析
- 基于新活动演算的SysML活动图形式化描述
- 2015年
- 针对Sys ML(Systems Modeling Language)活动图自身缺乏精确语义描述的不足,提出使用新活动演算来表示Sys ML活动图形式化语义的方法。通过分析Sys ML活动图的基本图符及其特点,对活动演算进行重新设计,增加了概率因子,并且在新活动演算中针对性地定义相应语法和操作语义。利用改进后的新活动演算实现了对Sys ML活动图的形式化描述,最后通过实例证明了所提出方法的有效性和实用性。
- 惠文涛周雁舟邵楠严亚伟
- 关键词：SYSML活动图形式化描述
- 基于自适应变异粒子群优化算法的测试数据生成被引量：8
- 2015年
- 针对粒子群优化算法中群体易出现过早收敛的不足,提出了粒子群优化算法的改进算法AMPSO(adaptive mutation particle swarm optimization)算法并应用于测试数据生成中。引入约简粒子群优化算法,提高算法搜索速度;在算法进化过程中增加自适应调整策略,定义适应度评价阈值判断群体早熟现象,构建一个改进的自适应变异算子提高粒子变异率;通过实验确定阈值比例系数。结合实验结果从收敛代数和收敛时间两方面对比分析,证明了所提方法不仅能够防止算法出现过早收敛的问题,而且提高了测试数据生成效率。
- 邵楠周雁舟惠文涛严亚伟
- 关键词：粒子群优化算法测试数据自动生成
- 基于二叉树搜索空间缩减的测试数据生成被引量：3
- 2014年
- 为了减小适应度函数计算量,提高测试数据自动生成效率,提出一种基于二叉树表示的搜索空间数据缩减方法。利用二叉树编码,记录全空间中的覆盖路径和路径长度;将目标路径和测试路径长度进行对比,去除路径长度相差较大的路径;利用遗传算法生成测试数据并同已有两种方法进行比较。实验结果表明,在保证软件测试数据正确生成的情况下,该方法在进化代数和运行时间上有明显优势,生成测试数据效率高。
- 邵楠周雁舟惠文涛乔辉
- 关键词：软件测试二叉树测试数据
