计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2013年
7期
64-67
,共4页
软件缺陷预测%神经网络%粒子群优化
軟件缺陷預測%神經網絡%粒子群優化
연건결함예측%신경망락%입자군우화
software defect prediction%Artificial Neural Network(ANN)%Particle Swarm Optimization(PSO)
软件缺陷检测旨在自动检测程序模块中是否包含缺陷,从而加速软件测试过程,提高软件系统的质量.针对传统软件缺陷预测模型被限制在一定的应用范围而影响其预测的准确性和适用性,提出了一种基于 PSO-BP 软件缺陷预测模型.该模型运用粒子群优化算法优化 BP 神经网络的权值和阈值,采用交叉验证的方式进行实验,并与传统的机器学习方法 J48和 BP 神经网络等方法进行了比较.实验结果表明提出的方法具有较高的预测准确性.
軟件缺陷檢測旨在自動檢測程序模塊中是否包含缺陷,從而加速軟件測試過程,提高軟件繫統的質量.針對傳統軟件缺陷預測模型被限製在一定的應用範圍而影響其預測的準確性和適用性,提齣瞭一種基于 PSO-BP 軟件缺陷預測模型.該模型運用粒子群優化算法優化 BP 神經網絡的權值和閾值,採用交扠驗證的方式進行實驗,併與傳統的機器學習方法 J48和 BP 神經網絡等方法進行瞭比較.實驗結果錶明提齣的方法具有較高的預測準確性.
연건결함검측지재자동검측정서모괴중시부포함결함,종이가속연건측시과정,제고연건계통적질량.침대전통연건결함예측모형피한제재일정적응용범위이영향기예측적준학성화괄용성,제출료일충기우 PSO-BP 연건결함예측모형.해모형운용입자군우화산법우화 BP 신경망락적권치화역치,채용교차험증적방식진행실험,병여전통적궤기학습방법 J48화 BP 신경망락등방법진행료비교.실험결과표명제출적방법구유교고적예측준학성.
@@@@Software defect detection aims to automatically identify defective software modules that accelerates efficiently soft-ware test and improves the quality of a software system. Due to the application of traditional software prediction model being limited for its low accuracy and applicability, this paper puts forward a software prediction model based on PSO-BP, which employs Particle Swarm Optimization(PSO)to optimize weight and threshold value of BP. It uses cross-validation method as experiment method, and compares the results with other machine learning methods-BP and J48. The results show that PSO-BP has higher prediction accuracy.