文档介绍：基于贝叶斯统计推理的故障 定位实验研究
Experimental Study of BBN—Based Fault Localization
故障定位目的
寻找引发失效的原因或者是故障位置
加快调试过程
失效failure
故障fault
反向分析
故障推理过程
故障/失效——不确定性
贝叶斯置信网络(Bayesian work,BBN)
失效failure
故障fault
反向分析
故障推理贝叶斯网络的构建
贝叶斯网络
三元组(G, Ω,P)
G=( V,E)为有向无环图.
V——节点集合代表离散型域变量;
E——变量间概率依赖关系
Ω——域变量的实例化空间
P={CPT(Vi)},条件概率分布(conditional probability table)
构建过程
先验贝叶斯网络
已有数据并进行学习
后验贝叶斯网络
故障推理贝叶斯网络的构建
三元组(G,ω,P)
G=( V,E)为有向无环图.
V——节点集合代表离散型域变量;
E——变量间概率依赖关系
ω——域变量的实例化空间
P={CPT(V)},条件概率分布(conditional probability table)
V
待分析程序的所有可疑模式
(DPTN)和故障(方法C)
ω
待分析程序中类的所有方法组成的集合
先验概率
故障/方法层
可疑模式层
计算其包含故障的概率为P t(c)
定义与其相关的可疑模式集合为c_DPTN
根据概率排序,舍弃概率较小的模块,得故障模块集合CF
定义保留度
基于推理网络的求解
和保留度阀值进行比较,得RCF
归一化( normalization)处理