蘇莉　陳鵬飛　齊勇　武義涵

摘要：針對當(dāng)前軟件老化的檢測、分析和軟件再生的不確定性問題，提出了一種基于貝葉斯證據(jù)框架的最小二乘支持向量機(jī)（LS—SVM）的軟件老化檢測方法，即：使用最小二乘支持向量機(jī)分類器進(jìn)行數(shù)據(jù)分類，以此解決數(shù)據(jù)采集時(shí)出現(xiàn)的小樣本、高緯度，非線性、局部最小值等問題；通過貝葉斯證據(jù)框架來優(yōu)化LS—SVM的超參數(shù)，從而提高分類器的學(xué)習(xí)精度和泛化能力。實(shí)驗(yàn)結(jié)果表明，在狀態(tài)清晰區(qū)間，軟件老化的概率均在0.7至0.9之間，而高維模型檢測出的軟件老化的概率為0或1。如果從概率粒度層來描述軟件老化，則軟件再生的時(shí)間點(diǎn)選取效率更高，根據(jù)概率值的變化可進(jìn)一步解析軟件老化的不確定性。實(shí)驗(yàn)結(jié)果及分析顯示，概率粒度所描述的軟件健康狀態(tài)更符合軟件老化的客觀狀況。

關(guān)鍵詞：軟件老化；最小二乘支持向量機(jī)；貝葉斯證據(jù)框架