软件系统网络化建模及关键节点识别方法研究

论文摘要

随着人们对软件功能的需求越来越多,软件系统的结构规模不断增长,不同软件间的交互方式日益复杂,这使得软件系统的复杂性与日俱增,进而极大地影响到软件系统的运行可靠性以及管理、维护等工作。而通过将复杂网络引入到软件网络的研究中,合理的描述软件系统结构,识别出软件系统中的关键关键部分,可以有效地从整体与局部角度来探索软件系统内在的结构特征,对提高软件系统可靠性、维护软件系统,预防漏洞、错误定位等有着重要的意义。为此,论文通过研究不同的网络模型,提出相应的建模方法,并以此为基础进行必要的分析,主要包括以下研究工作:首先在软件系统网络化建模方面,一方面,选取适当数量的子系统作为构件,从较大粒度层次来建立宏观网络模型,以研究软件系统的整体特性;另一方面,以类作为基本粒度单元,通过考虑类之间的多重影响对网络边进行相应赋权,改进类层次网络的加权方法,建立相应的微观网络模型,以分析软件系统的代码细节。然后在关键节点识别方面,从不同的侧重点出发,设计不同的关键节点识别方法:一方面,从优化评价节点排序指标的角度出发,用结构赋权的方式重构了鲁棒性测度函数,并且引入交换子概念实现离散化的萤火虫算法,通过增加基于佳点集初始解构造、分区搜索、可变全局吸引力和自适应随机项使得优化搜索能够准确收敛,从而实现了对网络关键节点的准确识别。另一方面,从综合不同度量指标的角度出发,将ListNet引入到节点排序中来融合不同的度量指标,并且基于AdaBoost算法将多个ListNet基学习器集成起来,以进一步提高ListNet的泛化性能,使得整体关键节点识别有着较高准确性。最后为验证所提方法的有效性,通过分析实际软件网络系统16000与三个典型的软件的相关特性,分别建立了宏观与微观网络化模型,并在这四个网络模型的基础上,对所提关键节点识别方法进行了仿真实验对比。实验结果表明,所建立的不同层次网络化模型从全局与局部有效地刻画了软件系统的结构特征,符合软件的实际情况,为后续研究提供了准确的网络模型;两种不同侧重点的关键节点识别方法相较于同类型方法,有着较高的准确性,可以在实际的工作中根据情况选取相应的方法,以应对不同的应用场景。

论文目录

文章来源

类型: 硕士论文

作者: 冯小伟

导师: 刘向军

关键词: 软件系统,宏观与微观网络模型,关键节点识别,萤火虫算法

来源: 华北电力大学(北京)

年度: 2019

分类: 基础科学,信息科技

专业: 数学,计算机软件及计算机应用

单位: 华北电力大学(北京)

分类号: TP311.5;O157.5

DOI: 10.27140/d.cnki.ghbbu.2019.000439

总页数: 66

文件大小: 4783K

下载量: 31

相关论文文献

• [1].基于云计算的网络资源缺失信息识别方法[J]. 电子元器件与信息技术 2019(11)
• [2].武汉市主城区现状用地自主识别方法探索[J]. 中国土地 2020(02)
• [3].基于场景-部件的人体行为识别方法[J]. 测控技术 2020(02)
• [4].基于人眼识别的人脸朝向识别方法[J]. 信息记录材料 2020(01)
• [5].产品虚假评论文本识别方法研究述评[J]. 数据分析与知识发现 2019(09)
• [6].网络谣言识别方法及展望[J]. 网络空间安全 2016(Z2)
• [7].物联网智能终端设备识别方法[J]. 电信科学 2017(02)
• [8].一种分布式人脸识别方法及性能优化[J]. 光学精密工程 2017(03)
• [9].振动目标产生的瑞雷波的识别方法研究[J]. 沈阳理工大学学报 2017(02)
• [10].松辽盆地二氧化碳气层录井识别方法[J]. 石化技术 2017(10)
• [11].用于机动目标跟踪的分段机动识别方法[J]. 电波科学学报 2015(01)
• [12].“特殊的平行四边形”易错点剖析[J]. 初中生世界 2017(15)
• [13].基于深度学习的人脸识别方法研究进展[J]. 现代计算机 2020(01)
• [14].基于典型相关分析特征融合的行人再识别方法[J]. 光电子·激光 2020(05)
• [15].4G网络深度覆盖“283”识别方法研究[J]. 数字通信世界 2019(03)
• [16].颠覆性技术识别方法研究与应用分析[J]. 军事医学 2018(01)
• [17].一种大象流两级识别方法[J]. 电信科学 2017(03)
• [18].多角度人脸检测与识别方法研究[J]. 电子设计工程 2017(11)
• [19].卫星图像传输跟踪优化识别方法仿真研究[J]. 计算机仿真 2017(09)
• [20].基于主题模型和情感分析的垃圾评论识别方法研究[J]. 计算机科学 2017(10)
• [21].同形异义词机器辅助识别方法研究[J]. 数字图书馆论坛 2015(05)
• [22].4G网络深度覆盖精确需求识别方法研究[J]. 电信工程技术与标准化 2015(09)
• [23].基于深度流形表示学习的工业过程多故障识别方法[J]. 计算机与数字工程 2020(10)
• [24].试分析基于区域生长的道路和桥梁识别方法的研究[J]. 科技创业家 2014(01)
• [25].基于统计的人脸识别方法综述[J]. 安阳工学院学报 2012(04)
• [26].基于情景分析的项目风险识别方法研究[J]. 理论观察 2012(05)
• [27].基于深度学习的视频行为识别方法综述[J]. 电信科学 2019(12)
• [28].基于深度学习的场景识别方法综述[J]. 计算机工程与应用 2020(05)
• [29].基于特征的矢量图形符号渐进识别方法[J]. 软件导刊 2020(05)
• [30].天然气管道泄漏的声-压耦合识别方法[J]. 应用声学 2020(03)

标签：软件系统论文;  宏观与微观网络模型论文;  关键节点识别论文;  萤火虫算法论文;