可重构嵌入式软件缺陷优化预测仿真研究

作者：霍小卫; 刘江坡

来源：计算机仿真, 2018, 35(08): 443-447.

• 可重构
• 嵌入式
• 软件
• 缺陷
• 预测

可重构嵌入式软件优化预测是提高软件测试效率、保证软件运行可靠性的重要手段。针对当前模型没有充分考虑软件缺陷特征历史数据的类不平衡特性,导致预测结果存在收敛速度较慢、训练误差较大的问题。提出一种基于PSO-BP算法的可重构嵌入式软件缺陷优化预测模型,充分考虑可重构嵌入式软件缺陷历史数据的类不平衡性特点,通过确定抽样度,执行欠抽样操作,缓解数据的不平衡性;同时对软件项目开发人员的能力、软件缺陷特征的数量、软件缺陷密度进行计算,并对得到的结果进行k-均值聚类;基于软件缺陷特征数据的处理结果建立具有三层网络结构的BP神经网络预测模型;运用粒子群优化算法优化BP神经网络预测模型的权值和阈值,建立可重构嵌入式软件缺陷优化预测的PSO-BP预测模型。仿真对比测试结果证明,PSO-BP预测模型与BP神经网络预测模型相比,具有更快的收敛速度,且预测结果与真实值更加接近。