应用于软件缺陷预测模型的量子粒子群优化BP算法

重庆理工大学学报（自然科学） ›› 2019, Vol. 33 ›› Issue (6): 184-189.

应用于软件缺陷预测模型的量子粒子群优化BP算法

洪晓彬¹，姜利群²，赵　鹏³

1.广州工商学院计算机科学与工程系；2.中国矿业大学计算机学院；3.太原师范学院计算机科学与技术系

出版日期:2019-07-22 发布日期:2019-07-22
作者简介:洪晓彬，男，硕士，讲师，主要从事软件工程技术研究。

Online:2019-07-22 Published:2019-07-22

摘要/Abstract

摘要： 为了降低软件测试的成本并改善软件缺陷预测的能力，提出将量子粒子群算法和BP神经网络相结合，以提高软件缺陷预测模型的准确性和适用性。该算法以3层BP神经网络结构为基础，运用量子粒子群优化算法对BP神经网络的权值和阈值进行优化，从而在一定程度上克服了传统BP神经网络算法在收敛性能上的不足。仿真模拟实验结果表明：相比传统BP神经网络和粒子群优化BP神经网络，提出算法能够更有效地提高BP神经网络的收敛速度，防止陷入局部极小，提升软件缺陷预测的准确率、效率。

关键词: 量子粒子群, BP神经网络, 软件缺陷, 预测模型, 准确率, 收敛性能

中图分类号:

TP311

. 应用于软件缺陷预测模型的量子粒子群优化BP算法[J]. 重庆理工大学学报（自然科学）, 2019, 33(6): 184-189.

[1]	孙成胜ａ，张红民ａ，王艳ｂ，巴忠镭ａ. 一种改进的灰色ＢＰ神经网络光伏出力预测方法[J]. 重庆理工大学学报（自然科学）, 2020, 34(2): 217-221.
[2]	江毓，郑燕萍，张新，张涌. 基于改进ＢＰ神经网络的电机异音诊断[J]. 重庆理工大学学报（自然科学）, 2020, 34(1): 242-246.
[3]	张先华a, 李政a, 谭小慧a, 王康b. 基于灰色马尔科夫的地铁火灾逃生最优路径规划及3D模拟[J]. 重庆理工大学学报（自然科学）, 2019, 33(8): 118-123.
[4]	. 基于校园大数据的学生行为特征分析与预测方法[J]. 重庆理工大学学报（自然科学）, 2019, 33(7): 201-206.
[5]	. 基于ARIMA和BP神经网络对人民币汇率预测的比较分析———以美元人民币汇率为例[J]. 重庆理工大学学报（自然科学）, 2019, 33(5): 207-212.
[6]	. 基于特征提取与LM-BP神经网络协同作用的异常条形码辨识方法[J]. 重庆理工大学学报（自然科学）, 2019, 33(2): -.
[7]	. 基于MEA-BP神经网络的压气机特性曲线预测[J]. 重庆理工大学学报（自然科学）, 2019, 33(2): -.
[8]	姜顺明，王智锰，周涛，匡志豪. 基于舒适性与运动感的车内声品质多维度评价[J]. 重庆理工大学学报（自然科学）, 2019, 33(12): 26-31.
[9]	吴京龙. 基于灰色关联度的ＧＭ（１，１）－ＢＰ神经网络组合模型研究[J]. 重庆理工大学学报（自然科学）, 2019, 33(11): 207-210.
[10]	. 基于神经模糊PID的ABS控制策略研究[J]. 重庆理工大学学报（自然科学）, 2018, 32(9): -.
[11]	. 应用ＳＡＰＳＯＢＰ神经网络的ＤＯＡ估计方法[J]. 重庆理工大学学报（自然科学）, 2018, 32(5): -.
[12]	. 家用血液检测服务系统中诊断与预测算法的研究[J]. 重庆理工大学学报（自然科学）, 2018, 32(5): -.
[13]	. 一种基于ＧＡＢＰ的高压混合输电线路故障分类方法[J]. 重庆理工大学学报（自然科学）, 2018, 32(2): -.
[14]	. 基于深度学习的极限工况下车辆的状态估计[J]. 重庆理工大学学报（自然科学）, 2018, 32(10): -.
[15]	. 应用小生境和反向学习策略的量子粒子群算法[J]. 重庆理工大学学报（自然科学）, 2018, 32(1): -.

应用于软件缺陷预测模型的量子粒子群优化BP算法

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10