基于属性排查的软件运行风险多目标控制仿真

来源 :计算机仿真 | 被引量 : 0次 | 上传用户:c42865
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
传统软件运行风险控制方法忽略了对软件属性实现排序和权重排查,导致无法获取软件运行的潜在风险。为解决上述问题,提出基于属性排查的软件运行风险多目标控制方法。将软件可信度作为软件质量评估标准,计算软件属性之间的直接影响数值,完成软件属性排查。以风险损失预期值最小与风险控制成本最小为目标,组建软件运行风险多目标控制模型,利用Choquet积分计算风险目标相关性水平。构建多目标粒子群算法,求解软件运行风险多目标控制模型。实验结果验证了所提方法可有效分析出软件运行潜在风险,并以最小风险控制代价完成风险控制。
其他文献
由于煤矿井下背景环境复杂,导致行人检测的时效性和准确性都不能得到保障。为了提高行人检测在复杂的煤矿井下的检测效率,首先针对煤矿井下监控视频清晰度不高,提出改进的反锐化掩模算法(UM)增强图像轮廓和细节;其次提出多个特征融合的方式进行行人目标检测,选择提取样本HOG特征与LBP特征并降维;然后串联融合两种特征送入SVM分类器多次训练调优得到最佳模型。针对真实拍摄的三段视频进行测试,实验结果验证了本算
语音情感数据库是进行语音情感识别研究的基础。多样化、大规模、高质量的优质的语音情感数据库对语音情感识别系统性能的提升具有重要作用。研究首先全面地分析了目前国内外使用最广泛的语音情感数据库,并将其归纳为单模态语音情感数据库和多模态语音情感数据库;然后通过实验将不同数据库上所取得的最优性能进行对比,选出可推荐的优质语音情感数据库,为相关研究人员提供有价值的学术参考;最后对未来语音情感数据库的建立提出几
针对传感器故障信号非线性、非平稳性的特点,提出了基于经验多尺度加权排列熵与特征选择长短期记忆网络组合算法(EMWPE-Relief-LSTM)的传感器故障诊断方法。首先,采用集成经验模态分解(EEMD)将传感器输出的时间序列数据分解为本征模态分量(IMFs),利用峭度和方差这两个指标筛选出合适的本征模态分量;其次,计算本征模态分量的多尺度加权排列熵(EMWPE),将熵值作为特征向量;最后,通过Re
目前多用户信号盲检测算法没有对初始信号进行预处理,存在盲检时间长、盲检成功率低和盲检检测概率低的问题,提出面向物联网终端的动态多用户信号盲检测算法.在物联网终端对初始信号进行填补、删除或修改异常信号等处理,并利用聚类分析法和主成分分析法分别提取出物联网终端信号关键因子,利用判断公式判别出两种方法的关键因子是否相似,通过小波分解对相似的关键因子进行去噪降维处理,重构出有效信号,并对有效信号所在的重复周期进行合并译码,提高盲检性能,设定两个相关阈值,实现物联网终端多用户信号盲检测.实验结果表明,盲检时间短、盲
研究BIM集成应用下的车站客流消防应急疏散仿真,有效仿真车站客流消防应急疏散过程。利用BIM技术构建车站客流消防应急疏散BIM模型,分析车站乘客疏散行为特征获取乘客人员疏散参数;将疏散BIM模型与车站乘客疏散行为特征导入扩展非均匀的格子气模型的疏散算法,获取与疏散过程相关的文本数据,仿真车站客流消防应急疏散过程;利用Unity3D平台融合疏散BIM模型与车站客流消防应急疏散仿真过程,解决疏散BIM
针对现有基于生成对抗网络的跨模态检索方法不能充分挖掘模态间不变性的问题,提出一种融合全模态自编码器和生成对抗机制的跨模态检索方法.引入2个并行的全模态自编码器,将不同模态的样本嵌入公共空间,每个全模态自编码器不仅重构出自身模态的特征表示,而且还重构出跨模态的特征表示.设计了一个分类器,预测公共空间中嵌入特征的类别,学习并保留样本中的语义判别性.设计了3个判别器,分别判断输入其中的特征所属的模态类别
协同过滤作为广泛应用的推荐方法,主要根据过去的交易和相似客户的反馈向当前客户推荐内容。但是,由于数据集稀疏性问题,很难区分客户之间的相似兴趣,这限制了协同过滤的可用性。针对数据集稀疏性问题,结合关联检索的相关知识,参考协同过滤算法,实现了一种改进的协同过滤算法来缓解稀疏性问题并提高推荐的质量。最后对提出的新算法进行测试,简述了改进方法的优点和不足。
针对二维水下环境下的多水下机器人(Autonomous Underwater Vehicle, AUV)协作围捕问题,提出一种基于改进生物启发神经网络和位置分配的围捕策略。首先对二维水下环境进行栅格地图的构建;然后多个围捕AUV之间相互合作,提出利用"位置分配"策略合理分配逃逸目标AUV周围的围捕占位点给围捕AUV;最后利用改进的Glasius生物启发神经网络算法来完成围捕AUV到达围捕点的路径规
针对遥感图像中目标朝向任意性的问题,提出一种级联结构的目标检测算法.在基准模型的基础上,采用2种不同的边界框标注模式将多个感兴趣区域网络交错串联,基于当前阶段的倾斜框预测结果回归下一阶段的水平框和倾斜框,形成多阶段级联式的学习过程.该算法结合水平框和倾斜框的各自优势,实现更鲁棒的目标边界框预测.DOTA数据集上的大量实验结果表明,该算法在2个边界框任务上的边界框预测精度明显优于现有的遥感图像目标检
针对传统A*算法在移动机器人路径规划中,存在的搜索效率低、路径优化等问题,提出了一种改进的双向A*路径规划算法。改进后的算法采用双向A*寻路搜索,吸取人工势场法引力思想,设定双向搜索中心虚拟目标点,建立从搜索起点到双向搜索的中点的距离衰减函数,吸引双向搜索能在中间区域相遇。并对预估函数加入适当的权值函数,在保障了较优路径前提下加快了算法的收敛速度。考虑机器人实际尺寸问题,进行避障策略设定,在障碍物