随着软件开发和互联网技术的飞速发展,软件系统已得到了广泛应用且人们对软件系统的依赖性和要求越来越高,使得软件规模呈现出指数级的增长趋势。动态开放的运行环境和多变的用户需求使得软件系统需在运行过程中调整自己的结构或行为。然而,庞大的软件规模和异构的软件单元间错综复杂的关系导致人为调整软件行为的过程变得困难、易出错且耗费大量成本。因此,自适应软件应运而生,其可根据软件变化调整自身的行为和结构。通常,自适应软件通过感知(Monitor)、分析(Analyze)、决策(Plan)和执行(Execute)的自适应控制循环指导软件系统的自适应调整过程。其中,感知环节负责获取软件变化并作为整个自适应过程的输入,其直接影响自适应软件的质量。因此,保障感知的效率和准确性是自适应软件领域的关键和难点问题。考虑到感知环节的本质是实时采集软件变化相关的系统状态数据,保障感知的效率和准确性存在以下两方面的难题:一方面,动态开放的运行环境和异构的系统资源使得感知数据中会存在数据缺失和噪声数据,影响软件变化识别的准确性;另一方面,软件系统异构的软件单元和复杂的交互关系使得存在数量繁多且类型多样的感知对象,全面的感知将导致感知效率低下,且对于产生的大量的感知数据的处理、存储和分析将带来巨大的系统开销,影响感知的准确性和实时性。然而,现有的研究工作多侧重于通过数据处理等手段解决前者,对感知对象的考虑较少。本文工作的主要目标是针对上述问题,设计并实现数据驱动的自适应感知方法,在保障感知的准确性和效率的同时减少系统开销,并通过对运行数据的挖掘和分析,实现对自适应感知方法的反馈优化。本文主要工作包括以下六个部分:第一,分析当前软件系统的结构和运行特征,建立自适应感知方法的基础架构。第二,分析感知对象类型和特征建立数据采集框架,保障感知的效率和准确性。第三,引入复杂网络对软件系统建模,基于度中心性方法分析关键节点进行重点监控,并基于运行数据分析挖掘感知对象的关联关系,同时考虑用户需求和感知开销建立多因素分析方法筛选和精化感知对象实现针对性感知。第四,考虑固定周期的感知方法不能实时感知变化且产生大量冗余数据的问题,建立基于数据反馈的感知周期修正方法运行时动态修正感知周期,并考虑不同场景对感知的需求变化,建立基于数据分析的感知对象更新方法运行时实时更新感知对象以提高感知的准确性并减少系统开销。第五,设计实现了自适应感知引擎,支持上述针对性感知及反馈优化方法的实际使用。第六,通过实验对本文研究并实现的自适应感知方法进行了验证,证明了本文所提出方法的有效性。