基于蚁群优化反向传播神经网络的软件质量预测
Software quality prediction based on ant colony optimization improved back propagation neural network作者机构:南昌航空大学软件学院 南昌航空大学软件测评中心
出 版 物:《计算机应用》 (Journal of Computer Applications)
年 卷 期:2023年
学科分类:08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)] 081202[工学-计算机软件与理论]
基 金:总装预研基金项目(JZX7J202202ZL002000)
主 题:软件质量预测 蚁群算法 神经网络 网络结构评价 反向传播
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。