电子信息技术

本发明公开一种基于数据流局部离群因子的无监督软件老化检测方法，摒弃了现有算法的检测结果的非此即彼的二值属性，利用流数据的局部离群系数来表示各个时刻软件系统的老化程度，使得各个时刻软件系统的老化程度就可以通过具体的数值很直观的显示出来。同时，本发明还考虑了软件系统的外部环境因素对软件系统的老化状态检测的影响。因此，在计算流数据的局部离群系数时候，本发明把监测数据属性分为固有属性和环境属性。然后利用环境参数对被测试数据进行最近邻搜索，而采用固有属性参数来计算被测试数据的局部离群系数。相比于有监督的检测算法，本发明直接在数据集内寻找规律而不用实现标记训练数据集，其属于无监督学习的范畴。

基于相关性、时效性、权威性，基于数据流局部离群因子的无监督软件老化检测方法在软件质量保证、维护和可靠性评估方面具有巨大的潜力和应用前景。通过该方法可以及早发现软件系统中的老化问题，并采取相应的维护和改进措施，从而提高软件系统的质量和可靠性。

与现有技术相比，本发明摒弃了现有算法的检测结果的非此即彼的二值属性，利用流数据的局部离群系数来表示各个时刻软件系统的老化程度，使得各个时刻软件系统的老化程度就可以通过具体的数值很直观的显示出来。同时，本发明还考虑了软件系统的外部环境因素对软件系统的老化状态检测的影响。因此，在计算流数据的局部离群系数时候，本发明把监测数据属性分为固有属性和环境属性。然后利用环境参数对被测试数据进行最近邻搜索，而采用固有属性参数来计算被测试数据的局部离群系数。相比于有监督的检测算法，本发明直接在数据集内寻找规律而不用实现标记训练数据集，其属于无监督学习的范畴。