基于分组数据期望ML最大化的HErSRM软件故障预测

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(HEr SRM)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HEr SRM模型进行故障数据诊断依据;针对HEr SRM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Estep和M-step过程,实现模型参数的对数似然函数(M L)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.