基于WNLSE的JM模型参数估计与异方差优化

本文研究的主题是"基于WNLSE的JM模型参数估计和异方差"，由刘敬伟、刘懿和徐美芝合作完成，发表在中国科技论文在线上。他们针对存在失效数据的软件可靠性预测问题，提出了一种创新的参数估计方法，即利用加权非线性最小二乘法(WNLS)对Jelinski-Moranda (JM) 模型进行参数估计。该工作是在国家重大科研仪器项目和国家留学基金的支持下进行的，关注于复杂的数据处理技术在软件可靠性评估中的应用。 文章的核心内容包括以下几个方面： 1. **参数估计方法**：刘敬伟等人提出了一种WNLS方法来改进传统JM模型的参数估计，通过这种方法，他们设计出了一个求解最小二乘估计参数的公式，这有助于更准确地捕捉数据中的非线性和异方差特性。 2. **权值函数的选择**：论文探讨了如何选择合适的权值函数，这是WNLS的关键组成部分，它能根据数据的特性调整估计的精度，优化模型性能。 3. **异方差问题**：作者对异方差现象进行了深入研究，因为失效数据常常伴随着数据点之间变异性的不一致，这可能影响到模型的准确性。他们分析了最大似然估计法(MLE)、最小二乘估计法(LSE)和新提出的WNLS在处理这类问题时的效果。 4. **方法比较**：文中对比了不同估计方法对软件可靠性预测性能的影响，结果显示，与传统LSE和MLE相比，WNLS在相对误差(RE)标准下表现出更好的性能。 5. **实证分析**：作者通过实例仿真，包括美国海军战术数据(NTDS)以及三组J.D.Musa的软件可靠性数据，验证了WNLS在实际场景中的优势，证明了其在有失效数据情况下参数估计的有效性。 最后，文章强调了这些研究成果在软件可靠性评估领域的应用价值，特别是在处理有失效数据的情况下，WNLS提供了一种更稳健的参数估计策略。关键词包括有失效数据、可靠性估计、最小二乘法、异方差、加权非线性最小二乘法和最大似然估计法。这些研究成果对于理解软件可靠性建模和数据分析方法具有重要意义。