基于人工神经网络的软件质量预测模型研究.pdf

基于人工神经网络的软件质量预测模型研究.pdf

ID:48078546

大小:2.51 MB

页数:1页

时间:2019-11-22

基于人工神经网络的软件质量预测模型研究.pdf_第1页
资源描述:

《基于人工神经网络的软件质量预测模型研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、Scienceandtechnologyandquality科技与质量基于人工神经网络的软件实验数据选择的是数据库内数据,具体使用如下8种度量数据对软件质量进行测质量预测模型研究试:软件循环复杂度、设计复杂度,模块错误估计尺度,可执行代码行数,总运算对象数、符数杨明莉吉林工商学院信息工程学院吉林长春130507,惟一的运算对象数、符数。所选测试软件尺度度量数据来自于实际预测范围系统项目,共计10878个模基金项目:吉林省教育厅“十二五”科效时间)为基础,构建软件质量预测模型;块,通过语言加以编程。本文所设模块学技术研究项目“基于AHP和群决策二是以软件

2、质量预测模型为基础,软件质内,低风险模块定义为错误数是0的模块,向量分析高校干部综合测评方法和量预测模型。目前,BP神经网络的应用中等风险模块定义为错误数是1-4的模系统实现”(吉教科合字第2013402极为广泛,但是由于传统BP算法具有学块,高风险模块定义为错误数大于4的模号);吉林省教育科学“十二五”规习效率低、收敛速度慢、易陷入局部极小块。此实验软件产品内,低风险模块共计划课题“构建以学习者为主体的值等缺点,因此并不完全适用于软件可靠8774个,中等风险模块共计2048个,高风远程教育支持服务体系的研究”性分析。基于此。本文主要提出了基于矢险模块

3、共计56个。在整个实验过程中,错(GH150583)。量量化神经网络的软件质量预测模型,以误判定结果可以分成两大类:一是高风险获得更佳的预测结果。模块被判断为低风险模块;二是低风险模【文章摘要】块被判断为高风险模块。当前,随着我国科技水平的不断提2基于学习向量量化(LVQ)神经网络2.3实验方法高,软件系统越加复杂,相应的功能也的软件质量预测模型在基于LVQ神经网络的软件质量预趋于完善、强大,如何确保软件质量符2.1建模方法测模型实验中,高风险与低风险模块尺度合要求成为一大焦点问题。在对软件LVQ神经网络是一种两层的网络机数据分别选出30个与40个,对

4、LVQ神经质量进行评价时,软件质量预测建模构,一是竞争层,其主要应用于对输入变网络训练。隐含层神经元是20个,学习速是一大重要技术,其主要目的在于能量的分类;二是线性层,其主要用于对竞率是0.05,若是输出显示是0,表明属于是够在软件开发的早期及时明确软件质争层所传输的分类信息进行转换,符合使低风险模块;若是输出显示是1,表明属量等级,从而为后期的软件质量控制、用者定义。LVQ算法则是基于监督状态于是高风险模块。维护奠定良好的基础。但是,当前我国对竞争层进行训练的学习算法。在完成300次的训练之后,显示网络大部分的软件质量预测模型较为粗由于在LVQ神经

5、网络中拥有人脑的误差为0.21,该误差值十分理想。如下图1糙,必须进一步选择合适的方法构建竞争性、自组织性的学习思想,因此在学所示即为LVQ神经网络训练结果示意图。更为科学的模型。本文基于人工神经习时无需对所有权值系数加以调整,获得网络技术展开软件质量预测模型的分了较好的稳定性。同时,因为LVQ神经网析,并以学习向量量化(LVQ)神经网络络学习过程中,可以制定输入分类,也就为具体研究对象,构建相应模型。是会予以一定的分类信息,因此其性能相对更高。基于LVQ神经网络的软件质量【关键词】预测模型构造具体如下:人工神经网络;LVQ;软件质量预测(1)数据划分

6、:一是训练数据集;二模型是测试数据集。(2)变量与参数设置:输入向近些年,软件在各个领域中的应用量、输入层以及竞争层间连接权值:图1LVQ神经网络训练结果示意图越加广泛,应用功能相应增加,软件可靠;矩阵:创建代码如下所示:性问题逐渐得到了人们的广泛重视。由于;竞争层和输出神经元间连接权值矩软件系统内承载众多信息,因此一旦产生阵:;竞争层输出向量错误,则会导致十分严重的后果,小则是;比例系数;迭代系数;总经济损失,大则直接影响到社会的稳定。迭代系数。下面则是将已经训练好的神经网络因此,如何评估软件质量成为一大研究重(3)对比例系数、权值参数进行初始加以分

7、类、预测,所得结果如下所示:高风点,软件质量预测模型的构建得到软件工化。险模块,测试用例数23,错误预测数1;低程技术领域的重视。当前,软件质量预测(4)由训练集内将输入向量选出。风险模块,测试用例数31,错误预测数1。模型类型已达几百种,但是多数都是基于(5)对获胜神经元加以寻找。一些假设展开的,此类假设并不能够完全(6)若是分类判定正确,则按照下式3结束语符合实际,最终对预测准确性产生影响。对权值进行改变:综上所述,软件质量对系统可靠性、在此背景下,将人工神经网络应用于软件维护性等均具有一定的影响,若是能够在质量预测模型构建具有现实意义。软件开发初

8、期及判定软件质量,则可及时式中:表示的是比例系数,在采取一定的弥补的措施。基于现阶段软件权值矩

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。