科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了克服反向传播(BP)神经网络软件质量预测模型收敛慢，模型精度不高的问题，提出一种基于蚁群优化(ACO)反向传播神经网络的软件质量预测方法(SQP-ACO-BPNN)，在所提方法中的模型训练前确定最佳网络结构、网络初始连接权值和阈值。首先，选择软件质量评价指标，确立软件质量评价体系；然后，采用BP神经网络构建软件质量预测模型，并利用ACO确定若干网络结构、网络初始连接权值和阈值；接着，给出网络结构评价函数，选择神经网络模型的最佳结构、网络初始连接权值和阈值；最后，通过BP算法训练该网络，得到软件质量预测模型。在机载嵌入式软件质量预测数据上的实验结果表明，优化后的神经网络模型有效提高了准确率、精确率、召回率和F1值，并且能够更快收敛，验证了所提方法的有效性。
- 单位
