典型文献
基于混合生成网络的软件系统异常状态评估
文献摘要：
针对现有软件系统异常状态评估方法过度依赖数据标注、对时序数据的时间依赖性关注较低和系统异常状态难以量化等问题,提出一种基于混合生成网络的软件系统异常状态评估方法.首先,通过对长短期记忆网络(long short-term memory network,LSTM)与变分自动编码器(variational auto-encoder,VAE)的融合,设计一种LSTM-VAE混合生成网络,并以该网络为基础构建基于LSTM-VAE混合生成网络的系统异常状态检测模型,由LSTM对系统数据的时序特征进行提取并由VAE对系统数据的分布进行建模.然后,由LSTM-VAE异常状态检测模型处理系统关键特征参数,获取系统关键特征参数的异常度量值.最后,利用耦合度方法对传统的线性加权和方法进行优化,通过加权耦合度优化方法计算得到软件系统异常状态的量化值,从而实现对软件系统的异常状态评估.实验结果表明,本文模型对软件系统的异常时序数据具有较好的检测能力,其对系统异常状态的评估结果更为合理、有效.
文献关键词：
软件系统;状态评估;长短期记忆网络;变分自动编码器;异常检测;耦合度
中图分类号：
作者姓名：
杨宏宇;李译;张良
作者机构：
中国民航大学安全科学与工程学院,天津 300300;中国民航大学计算机科学与技术学院,天津 300300;亚利桑那大学信息学院,图森美国 AZ 85721
文献出处：
引用格式：
[1]杨宏宇;李译;张良-.基于混合生成网络的软件系统异常状态评估)[J].湖南大学学报（自然科学版）,2022(04):78-88
A类：
B类：
生成网络,软件系统,异常状态,状态评估,数据标注,时序数据,时间依赖性,长短期记忆网络,long,short,term,memory,network,变分自动编码器,variational,auto,encoder,VAE,状态检测,检测模型,系统数据,时序特征,模型处理,处理系统,关键特征,异常度,耦合度,线性加权和,加权和方法,常时,检测能力,异常检测
AB值：
0.295237
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
