基于新型PSO算法优化BP神经网络的软件缺陷预测方法研究

邓伟康; 刘锋; 朱二周

Chinese

您当前的位置：

首页 >

文章列表页 >

基于新型PSO算法优化BP神经网络的软件缺陷预测方法研究

更新时间：2026-09-04

- 基于新型PSO算法优化BP神经网络的软件缺陷预测方法研究
- Software Defect Prediction Model Based on IVPSO-BP
- 微电子学与计算机 2017年34卷第4期页码：39-43
- 作者机构：
  
  安徽大学计算机科学与技术学院,安徽,合肥,230601
- 作者简介：
- 基金信息：
  
  国家自然科学基金 61300169
- DOI：
  中图分类号：
- 纸质出版：2017
- 稿件说明：
移动端阅览
邓伟康, 刘锋, 朱二周. 基于新型PSO算法优化BP神经网络的软件缺陷预测方法研究[J]. 微电子学与计算机, 2017, 34(4): 39-43, 48.

DENG Wei-kang, LIU Feng, ZHU Er-zhou. Software Defect Prediction Model Based on IVPSO-BP[J]. 2017, 34(4): 39-43.
邓伟康, 刘锋, 朱二周. 基于新型PSO算法优化BP神经网络的软件缺陷预测方法研究[J]. 微电子学与计算机, 2017, 34(4): 39-43, 48. DOI：

DENG Wei-kang, LIU Feng, ZHU Er-zhou. Software Defect Prediction Model Based on IVPSO-BP[J]. 2017, 34(4): 39-43. DOI：

摘要

针对传统的软件缺陷预测模型存在预测准确率低和适应性差的问题

本文提出了一种改进的PSO算法(IVPSO)

并将其与BP神经网络相结合

以此来构建一个新的、预测性能和效果更加优秀的模型——IVPSO-BP.首先

对粒子群算法进行改进并利用其对BP网络进行优化; 其次

基于优化的BP算法去建立一个预测模型; 最后

将该模型与PSO-BP模型、J48(传统的机器学习方法)、BP进行实验比较.通过对最终实验的数据进行分析表明

IVPSO-BP模型具有更高的寻优性能和准确性.

Abstract

In view of the traditional software defect prediction model

the problem of low accuracy and poor adaptability

this paper proposes a new software prediction model (IVPSO-BP) with better performance and effect

and combining with two by improving PSO algorithm for optimizing BP. Firstly

To improve Particle Swarm Optimization

and use it to optimize BP. Secondly

this paper employs optimized BP to build a prediction model. Finally

compares the experiment results with other machine learning methods-BP

J48 and PSO-BP. Through analyzing the data of the final experiment

the results indicated that proposed method owe a higher prediction precision.

关键词

Keywords

references

陶海龙, 李小平, 张胜召, 等. 基于IPSO-BP神经网络的铁路客运量预测[J]. 铁道运输与经济, 2011, 33(9): 78-82. DOI: 78

Tang LiJuan, Zhou YanPing, Jiang JianHui, et al. Radial basis function network-based transform for nonlinear support vector machine as optimized by particle swarm optimization algorithm with application to QSAR studies[J]. Journal of Chemical Information and Modeling, 2007, 47(4): 1438-1445. DOI: 1438

高岳林, 任子晖. 带有变异算子的自适应粒子群优化算法[J]. 计算机工程与应用, 2007, 43(25): 43-47. DOI: 43

Fast M, Assadi M, De S. Development and multiutility of an ANN model for an industrial gas turbine[J]. Applied Energy, 2009, 86(1): 9-17. DOI: 9

Shi Y H, Eberhart R C. A modified particle swarm optimizer[C]//IEEE International Conference on Evolu-tionary Computation. Anchorage, 1998: 69-73.

余安雷, 皮特常. 基于PSO-BP的软件缺陷预测模型[J]. 计算机工程与应用, 2013, 49(7): 64-67. DOI: 64

杨维, 李歧强. 粒子群优化算法综述[J]. 中国工程科学, 2004, 6(5): 87-93. DOI: 87

杨健, 杨静宇, 叶晖. Fisher线性鉴别分析的理论研究及其应用[J]. 自动化学报, 2003, 29 (4) : 481-493. DOI: 481

王青, 伍书剑, 李明树. 软件缺陷预测技术[J]. 软件学报, 2008, 19(7): 1565-1580. DOI: 1565

姜慧研, 宗茂, 刘相莹. 基于ACO-SVM的软件缺陷预测模型的研究[J]. 计算机学报, 2011, 34(6): 1148-1154. DOI: 1148

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多尺度融合与小目标增强的航拍车辆检测算法

低功耗设计的双链电源关断策略的实现与验证

V型沟槽SiC中子探测器的蒙特卡洛分析

基于监控指标关联性的微服务异常检测

基于改进RT-DETR的航拍小目标检测算法