粒子群算法优化的BP网络预测软件质量
2014-08-03宫丽娜马怀志
计算机工程与应用 2014年23期
宫丽娜,马怀志
枣庄学院 信息科学与工程学院,山东 枣庄 277160
粒子群算法优化的BP网络预测软件质量
宫丽娜,马怀志
枣庄学院 信息科学与工程学院,山东 枣庄 277160
对于软件项目来说,越早地获得软件的质量级别,就会越大地减少软件项目的开发和维护成本。质量预测建模技术是软件质量评价体系中的关键技术,通过该技术可以建立起软件中度量数据和质量要素间的非线性关系,这样可以避免主观因素的干扰,得到更加客观的软件质量级别,从而更有利于管理决策[1]。
目前国内外对质量预测建模技术已经有了一些研究。主要有两方面:基于软件错误测试报告或者软件质量度量来预测软件的缺陷数和基于软件质量度量来预测软件的可靠性。
在传统的软件质量预测建模技术中,主要采用回归方法,基于软件的规模、复杂度或者测试数据来预测软件的缺陷数[2-3]。Khoshgoftaar和Seliya[4]提出了采用回归树(Regression Tree)预测软件各模块中的错误数的质量预测模型,Khoshgoftaar等提出了一种结合模糊聚类的质量预测模型[5]。我国的蔡开元教授提出了一种结合模糊方法的模糊软件可靠性的确认模型[6-7]。
1992年,Karunanithi第一次将人工神经网络技术应用于软件质量预测模型中,他建立了基于一个实际项目的错误数据集合来估计累计错误数的质量预测模型,并采用三种不同的神经网络进行实验,得出了比传统的方法更好的结果[8]。Nidhi Gupta和Manu Pratap Singh采用BP神经网络建立基于执行时间来预测软件可能发生的错误数的软件质量预测模型[9]。……
登录APP查看全文
