资料下载
×
面向CPS的自适应统计模型检测
消耗积分:3 |
格式:rar |
大小:1.23 MB |
2017-12-30
分享资料个
随着计算机与物理环境的交互日益密切,信息-物理融合系统(cyber-physical system,简称 CPS)在健康医疗、航空电子、智能建筑等领域具有广泛的应用前景,CPS 的正确性、可靠性分析已引起人们的广泛关注.统计模型检测(statistical model checking,简称 SMC)技术能够对 CPS 进行有效验证,并为系统的性能提供定量评估.然而,随着系统规模的日益扩大,如何提高统计模型检测技术验证 CPS 的效率,是目前所面临的主要困难之一.针对此问题,首先对现有 SMC 技术进行实验分析,总结各种 SMC 技术的受限适用范围和性能缺陷,并针对贝叶斯区间估计算法(Bayesian interval estimate,简称 BIE)在实际概率接近 0.5 时需要大量路径才能完成验证的缺陷,提出一种基于抽象和学习的统计模型检测方法 AL-SMC.该方法采用主成分分析、前缀树约减等技术对仿真路径进行学习和抽象,以减少样本空间;然后,提出了一个面向 CPS 的自适应 SMC 算法框架,可根据不同的概率区间自动选择 AL-SMC 算法或者 BIE 算法,有效应对不同情况下的验证问题;最后,结合经典案例进行实验分析,实验结果表明,自适应 SMC 算法框架能够在一定误差范围内有效提高 CPS 统计模型检测的效率,为 CPS 的分析验证提供了一种有效的途径.。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
