基于神经网络的软件质量评估
02-01
基于神经网络的软件质量评估
[摘 要] 粗集与神经网络的集成反映了人类正常的思维机制｡它融合了定性和定量的, 精确和非确定的, 连续和平行的方法｡本文建立了粗集(RS)的BP 神经网络并进行属性约简的混合模型, 对软件质量特性的关键值和软件系统质量予以评估, 并提出了有效的算法｡
[关键词] 神经网络; 粗集;IFD; 质量特性
1 引 言
我国软件行业起步于20世纪80年代, 近年来发展迅速｡但是, 我国软件行业仍然存在许多问题, 软件业被软件项目的高失败率所困扰｡大多数对软件质量的度量仅仅从软件的生命周期中去考虑, 很少考虑改善管理者对软件质量决策的能力｡先前的发展失误之处在于仅仅能够以某种方式降低开发的费用｡为了取得高的质量和可靠性, 尽快在软件产品设计阶段采用神经网络的方法, 可以减少这种失误｡
本文的中心是基于粗集的人工神经网络(ANN)技术的高风险软件质量错误识别, 在制订软件开发计划时, 最大程度地减少质量失误风险发生的概率, 形成对高风险的管理｡
神经网络是从生物学中生物体的神经系统和大脑的学习中得到灵感的计算过程｡BP神经网络系统具有很多优点, 它具有大规模并行分布存储和处理自组织､自适应和自学习能力, 特别适用于需要同时考虑许多因素和条件的不精确和模糊的信息处理问题｡神经网络从理论上可以相当高的精度逼近任意复杂的工程项目系统｡但该系统输入信息的表达空间维数大, 计算复杂｡因此, 目前将粗集理论和神经网络结合, 不失为一个更有效率的算法｡粗集与神经网络的集成反映了人类正常的思维机制｡它融合了定性和定量的, 精确和非确定的, 连续和平行的方法｡本文建立了粗集的神经网络并进行属性约简的混合模型, 对于软件质量的评估, 提出了有效的算法｡
2 建立质量结构模型