计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2014年
23期
65-68
,共4页
软件质量预测模型%软件度量%神经网络%粒子群算法
軟件質量預測模型%軟件度量%神經網絡%粒子群算法
연건질량예측모형%연건도량%신경망락%입자군산법
prediction model of software quality%software metrics%neural network%Particle Swarm Optimization(PSO)
预测软件质量的技术中，软件建模技术是软件质量评价体系中的关键技术，它可以发现软件中度量数据和软件质量要素之间的非线性关系。BP神经网络能够很好地模拟度量数据和质量要素之间的非线性关系，但是BP网络存在易于陷入局部极小和收敛速度慢的问题，所以提出了用粒子群算法优化BP神经网络，通过优化的BP网络建立软件质量模型，这样能很好地解决BP网络收敛速度慢和局部极小的问题。在实现该进化BP神经网络的基础上，利用28组数据进行实验，并通过与BP模型的结果的比较，验证了该模型。
預測軟件質量的技術中，軟件建模技術是軟件質量評價體繫中的關鍵技術，它可以髮現軟件中度量數據和軟件質量要素之間的非線性關繫。BP神經網絡能夠很好地模擬度量數據和質量要素之間的非線性關繫，但是BP網絡存在易于陷入跼部極小和收斂速度慢的問題，所以提齣瞭用粒子群算法優化BP神經網絡，通過優化的BP網絡建立軟件質量模型，這樣能很好地解決BP網絡收斂速度慢和跼部極小的問題。在實現該進化BP神經網絡的基礎上，利用28組數據進行實驗，併通過與BP模型的結果的比較，驗證瞭該模型。
예측연건질량적기술중，연건건모기술시연건질량평개체계중적관건기술，타가이발현연건중도량수거화연건질량요소지간적비선성관계。BP신경망락능구흔호지모의도량수거화질량요소지간적비선성관계，단시BP망락존재역우함입국부겁소화수렴속도만적문제，소이제출료용입자군산법우화BP신경망락，통과우화적BP망락건립연건질량모형，저양능흔호지해결BP망락수렴속도만화국부겁소적문제。재실현해진화BP신경망락적기출상，이용28조수거진행실험，병통과여BP모형적결과적비교，험증료해모형。
The modeling technology of software which can find the nonlinear relationship between metric data and quality factors is the key technology in the software quality evaluation system. BP neural network is a kind of modeling method for the nonlinear relationship between metric data and quality factors, but there are some problems, such as slow conver-gence speed and easily getting into local minimum. So it proposes that using the optimized BP network based on PSO to establish the prediction model of software quality, which solves the problem of slow convergence speed and easily getting into local minimum well. In the basis of the evolutionary BP neural network, through the experiment with 28 groups of data, and by comparing with the result of BP model, the model is validated.
