您的位置: turnitin查重官网> 经济 >> 产业经济 >谈谈测评轨道交通运营软件行为动态测评策略

谈谈测评轨道交通运营软件行为动态测评策略

收藏本文 2024-01-31 点赞:5863 浏览:17089 作者:网友投稿原创标记本站原创

摘要:随着苏州市地铁土建工程的逐步推进,人们对城市轨道交通运营软件的可靠性、可用性以及安全性等可信性质寄予了很高的期望与要求。为了解决城市轨道交通运营软件日益突出的可信性不足,仅对软件系统做出传统质量保证(如测试、验证)是不够的,更需要对系统交互行为进行有效的浅析与态势预测。轨道交通运营软件有别于传统分布式软件,它呈现出松散聚合、规模庞大、行为复杂等特点。本论文将软件行为作为切入点,对轨道交通运营软件行为的轨迹浅析以及意图预测逐步展开了探讨,建立一种以软件行为可信为核心的软件行为动态测评策略。本论文将系统监测到的状态变化映射为带有语义的事件序列,利用最精简主要序列提取算法对行为序列进行提炼精简,以被消减掉的重复子序列挖掘有用信息,产生能体现软件行为特点的行为序列,通过序列比较浅析行为的可信性,用HMM对交互行为状态进行预测,此为大粒度行为可信性动态测评探讨;同时以交互事件为切入点,关注事件的参数值以及经验知识等详细信息,用MEBN工具建立具体事态的贝叶斯网(SSBN)来浅析交互行为的复杂历程及效应,此为小粒度行为可信性动态测评探讨。本论文采取小粒度动态测评浅析策略处理复杂情形下群体交互行为可信性浅析,采取大粒度行为动态测评浅析通用情形。本论文的主要工作包括:(1)探讨轨道交通运营软件行为的基本特点。明确各智能子系统的信息需求以及它们之间的联系,为打破子系统各自为营的封闭状态,发挥整体优势,实现一个高效运营的分布式集成化的城市轨道交通运营系统提供论述支持。(2)探讨一套软件行为描述策略,将监测系统捕获到的可信相关数据生成能表征软件行为的信息,针对软件实体交互产生的重复子序列的不足,提出最精简主要序列提取算法,以被消除的重复子踪迹中挖掘有用序列,以最简洁而有广泛代表性的格式存储软件行为信息。(3)给出一种复杂的有标记的大粒度软件行为动态测评策略。利用序列两两比较算法浅析行为的可信性。基于EM的数据重构策略训练样本数据,用HMM预测软件行为安全类别。给出仿真实验,验证此策略具有一定的优势。(4)针对多实体贝叶斯网MEBN在表示不确定性联系上的优势,本论文给出一种复杂情形小粒度行为动态测评策略。此策略有效利用MEBN的一阶逻辑语义化表示能力和概率推理能力,采取片断集有效地描述和浅析多个软件实体交互产生的复杂行为,通过仿真实验,验证了小粒度行为轨迹动态测评的可行性和有效性。基于软件行为可信性展开软件行为动态测评策略的探讨,不仅能推动动态可信评测论述的进展,对技术实践也有很好的指导作用。关键词:软件行为轨迹论文动态测评论文HMM论文MEBN论文

    中文摘要4-6

    Abstract6-10

    第一章 绪论10-20

    1.1 论文的背景及探讨作用10-11

    1.2 轨道交通运营软件特点11-16

    1.2.1 城市轨道交通运营系统11-12

    1.2.2 运营管理信息系统模型设计12-13

    1.2.3 企业动态建模系统13-14

    1.2.4 知识转化流程形式化模型14-16

    1.3 国内外探讨近况及浅析16-17

    1.3.1 轨道交通运营软件16-17

    1.3.2 软件行为动态可信测评17

    1.4 本论文主要探讨内容17-18

    1.5 本论文的章节安排18-20

    第二章 轨道交通运营软件行为序列模板挖掘20-36

    2.1 轨道交通运营软件行为序列存储20-22

    2.2 轨道交通运营软件行为序列的生成22-25

    2.2.1 日志信息表示22-23

    2.2.2 特点选择23-24

    2.2.3 行为序列生成历程24-25

    2.3 序列模板挖掘25-35

    2.3.1 行为序列模板的挖掘历程25-26

    2.3.2 最精简主要序列提取算法26-28

    2.3.3 序列图(sequence graphic,SG)构造28-30

    2.3.4 基于 SG 图的模体挖掘策略30-32

    2.3.5 序列模板挖掘实例32-35

    2.4 小结35-36

    第三章 复杂有标记的大粒度软件行为动态测评策略36-54

    3.1 软件行为序列浅析技术的介绍36-37

    3.2 行为轨迹浅析37-40

    3.2.1 行为轨迹浅析算法37-38

    3.2.2两两序列比较算法38-40

    3.3 基于 HMM 大粒度行为预测模型40-46

    3.3.1 隐 Markov 模型介绍40-41

    3.3.2 不足的解决对策41-42

    3.3.3 基于 EM 算法的数据重构训练策略42-46

    3.4 大粒度行为浅析与预测仿真实验46-53

    3.4.1 大粒度行为可信性浅析仿真实验46-50

    3.4.2 大粒度行为状态预测仿真实验50-53

    3.5 本章小结53-54

    第四章 复杂情形小粒度行为动态测评策略54-66

    4.1 基于多实体贝叶斯网(MEBN)的小粒度行为浅析模型54-62

    4.1.1 MEBN 介绍54-55

    4.1.2 多实体贝叶斯网片段55-56

    4.1.3 建立多实体贝叶斯模型 MTheory56-58

    4.1.4 利用多实体贝叶斯网络推理58-62

    4.2 小粒度行为轨迹浅析仿真实验62-64

    4.3 本章小结64-66

    第五章 总结与展望66-68

    5.1 工作总结66-67

    5.2 工作展望67-68

copyright 2003-2024 Copyright©2020 Powered by 网络信息技术有限公司 备案号: 粤2017400971号