软件老化分析与抗衰研究

　　软件老化现象指长期运行的软件系统中，出现的状态异常、性能下降、系统宕机、失效等现象。本书主要对软件老化和抗衰进行了相关研究，在此基础上，结合时间序列与机器学习算法，提出一些用于软件老化分析的策略。主要内容有：1.针对软件老化中资源消耗预测中的预测精度问题，提出使用自回归累积移动平均模型对遭受软件老化影响的IIS服务器从两个方面进行资源消耗预测：可用内存与堆内存。2.提出基于机器学习算法的老化预测框架用于判断软件系统是否出现老化。3.提出一个分析负载参数与资源消耗参数关系的框架。4提出一个分析分类预测错误方差的框架。5.提出基于岭迹的人工神经网络用于资源消耗的预测。6.提出一种使用受限玻尔兹曼机的深度信念网络方法预测软件老化的资源消耗。

　　闫永权，男，博士，副教授，目前从事可信计算、车辆路径优化方面的研究，主持全国统计科学研究项目1项，山西省高等学校哲学社会科学研究项目1项，山西省哲学社会规划课题1项，山西省教育科学规划课题1项，教育部高等教育司产学研课题1项，公开发表SCI、EI检索学术论文10余篇。

第1章 绪论
1.1 研究目的和意义
1.2 国内外研究现状及发展趋势
1.3 软件老化和抗衰研究的必要性
1.4 软件老化和抗衰研究中存在的问题
1.5 本书主要内容与创新点
第2章 基于ARIMA模型的软件老化和抗衰分析框架
2.1 滑动窗口老化检测算法
2.2 资源消耗预测的ARIMA过程
2.3 多门限值时间段抗衰算法
2.4 实验验证
2.5 小结
第3章 基于叠加模型的资源消耗预测方法
3.1 叠加模型方法
3.2 实验验证
3.3 小结
第4章 混合模型下的性能评估
4.1 相关方法
4.2 数据预处理
4.3 混合模型方法
4.4 实验验证
4.5 小结
第5章 基于机器学习算法的软件老化预测框架
5.1 基于机器学习算法的软件老化预测流程
5.2 实验验证
5.3 小结
第6章 负载参数与资源消耗参数相关性分析框架
6.1 负载参数与资源消耗参数相关性分析过程
6.2 实验验证
6.3 小结
第7章 分类预测错误的方差分析
7.1 方差分析步骤
7.2 实验验证
7.3 小结
第8章 时间序列数据的方差分析
8.1 方差分解方法
8.2 实验
8.3 小结
第9章 基于岭神经网络的老化预测
9.1 相关方法
9.2 岭惩罚的神经网络方法
9.3 实验
9.4 小结
第10章 基于深度信念网络的软件性能分析
10.1 相关方法
10.2 基于深度信念网络的预测方法
10.3 实验
10.4 小结
参考文献