基于分组数据期望ML最大化的HErSRM软件故障预测

摘要 针对传统相型软件可靠性模型（PHSRM）无法处理软件故障分组数据，且数据拟合能力和计算效率不均衡的问题，提出基于混合Erlang分布软件可靠性模型（HErSRM）期望最大化的软件故障分组数据诊断算法.对基于非齐次泊松过程（NHPP）的SRM模型进行研究，并分析PHSRM模型各子类模型特点，提出采用HErSRM模型进行故障数据诊断依据；针对HErSRM模型特点，利用其泊松分布特征的独立向量分布特征，构建广义分组数据的期望最大化数学表达形式，模型估计的E-step和M-step过程，实现模型参数的对数似然函数(ML)最大化估计；通过实验对比，验证了算法在预测性能和预测稳定性上均要优于对比算法