10.16208/j.issn1000-7024.2017.08.027
基于改进ACO优化BPNN的软件缺陷预测模型
针对用BP神经网络进行软件缺陷预测时出现的易陷入局部最优、学习速度缓慢等缺陷问题,提出一种基于信息素初始化和局部路径优化的蚁群优化算法优化BP神经网络的软件缺陷预测模型.对待预测的数据集进行基于互信息和自信息优化的主成分分析操作,降低数据的维数,提高运算效率;根据改进后的蚁群优化算法,计算最优的BP神经网络权值和阈值;使用NASA提供的软件缺陷数据集,利用提出的模型进行缺陷预测,基于十折交叉方法进行验证.通过与几种传统方法对比验证了所提方法具有更快的收敛速度和更高的预测准确度.
软件缺陷预测模型、BP神经网络、蚁群优化算法、主成分分析、互信息
38
TP311(计算技术、计算机技术)
山东省自然科学基金项目ZR2013FL034
2017-10-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
2137-2141