【摘要】：隨著Web服務技術的進步,越來越多的企業(yè)會將自己的服務發(fā)布到網(wǎng)絡上供用戶使用。服務系統(tǒng)的可靠性預測是軟件工程中較為活躍的研究領域之一。隨著人們對服務系統(tǒng)可靠性需求的逐步提高,傳統(tǒng)的面向單一服務系統(tǒng)的可靠性預測模型已經(jīng)不能很好地滿足實際需求。因此,跨項目的服務系統(tǒng)可靠性預測的研究具有較強的理論意義及應用價值。本文研究一種基于遷移學習的跨項目的服務系統(tǒng)可靠性預測技術,以支持和實現(xiàn)服務系統(tǒng)可靠性預測框架的跨領域遷移。首先基于Bi-LSTM神經(jīng)網(wǎng)絡在源項目內進行可靠性訓練,再結合基于多核最大均值差異的方法來降低源項目和目標項目之間的分布差異,得到跨項目的可靠性預測模型,最終實現(xiàn)對跨項目的服務系統(tǒng)可靠性預測任務。為了驗證模型的有效性,本文基于多組實驗對比了不同因素對可靠性預測結果的影響,并與其它常用的基準方法作比較。通過對比試驗證明,本文所提出的可靠性預測模型BLPT-MMD對于提高跨項目的服務系統(tǒng)可靠性預測結果存在顯著優(yōu)勢。
【學位授予單位】：華中師范大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP18;F274
【圖文】：

性預測性能，

本文編號：2732577