基于BPSO降维的软件故障倾向模块DNN预测

作     者：刘继华 王丰锦 孔洁 LIU Ji-hua1,2 , WANG Feng-jin3 , KONG Jie4

作者机构：吕梁学院计算机科学与技术系山西吕梁033000 北京航空航天大学计算机学院北京100191 清华同方股份有限公司北京100083 北京电子科技技术职业学院电信工程学院北京100176 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2018年第39卷第8期

页      面：2660-2667页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然基金项目(61572344) 国家重点实验室开放基金项目(BUAA-VR-17KF-15、BUAA-VR-16KF-13) 山西省教育厅教学改革基金项目(J2015121) 吕梁学院校级自然基金项目(zrxn201507) 

主　　题：粒子群算法 软件故障 深度神经网络 降维 束缚态 

摘      要：为降低成本并提高软件开发过程的有效性,提出基于束缚态粒子群算法(bound particle swarm optimization,BPSO)降维的软件故障倾向模块深度神经网络(deep neural networks,DNN)预测方法。给出基于BPSO降维的软件故障倾向模块DNN预测算法的计算框架,以及所采用的21个软件故障度量指标和其指标值的归一化预处理方法,采用粒子群算法对软件故障数据集进行降维处理,利用深度神经网络算法实现对软件故障倾向模块的预测。通过在PC1、JM1、KC1和KC3这4组标准测试集上的仿真实验验证了该算法的性能优势。