计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2010年
19期
4228-4231
,共4页
软件可靠性%可靠性预测%神经网络集成%遗传算法%主成分分析
軟件可靠性%可靠性預測%神經網絡集成%遺傳算法%主成分分析
연건가고성%가고성예측%신경망락집성%유전산법%주성분분석
为解决软件可靠性预测精度差和泛化能力不强问题,提出一种遗传算法集成神经网络的软件可靠性预测模型.通过遗传算法对神经网络集成权重进行了优化,并用主成分分析方法对软件属性度量数据进行了预处理,降低数据维数,简化神经网络的结构,加快神经网络的运算速度.仿真实验结果表明,基于遗传算法集成神经网络的软件可靠性预测模型同BP网络、LVQ网络和PNN网络相比具有更好的预测精度和泛化能力.
為解決軟件可靠性預測精度差和汎化能力不彊問題,提齣一種遺傳算法集成神經網絡的軟件可靠性預測模型.通過遺傳算法對神經網絡集成權重進行瞭優化,併用主成分分析方法對軟件屬性度量數據進行瞭預處理,降低數據維數,簡化神經網絡的結構,加快神經網絡的運算速度.倣真實驗結果錶明,基于遺傳算法集成神經網絡的軟件可靠性預測模型同BP網絡、LVQ網絡和PNN網絡相比具有更好的預測精度和汎化能力.
위해결연건가고성예측정도차화범화능력불강문제,제출일충유전산법집성신경망락적연건가고성예측모형.통과유전산법대신경망락집성권중진행료우화,병용주성분분석방법대연건속성도량수거진행료예처리,강저수거유수,간화신경망락적결구,가쾌신경망락적운산속도.방진실험결과표명,기우유전산법집성신경망락적연건가고성예측모형동BP망락、LVQ망락화PNN망락상비구유경호적예측정도화범화능력.
