[發明專利]一種面向復雜軟件的質量評估預測方法

有效

• 申請號: 202110449501.8
• 申請日: 2021-04-25
• 公開（公告）號: CN112905436B
• 公開（公告）日: 2023-10-27
• 發明（設計）人: 牛文生;湯鋮;牟明;于沛;田莉蓉;陸敏敏;王闖
• 申請（專利權）人: 中航機載系統共性技術有限公司
• 主分類號: G06F11/34
• 分類號: G06F11/34;G06N3/04;G06N3/084
• 代理公司: 深圳紫晴專利代理事務所(普通合伙) 44646
• 代理人: 陳映輝

本發明公開了一種面向復雜軟件的質量評估預測方法，包括以下步驟：1)BP網絡結構設計；2)初始化網絡；3)選擇樣本；4)訓練網絡；5)計算誤差；6)調整權值。本發明屬于軟件評價技術領域，具體是提供了一種解決傳統軟件評價定性，評價不準確，未能提前預估最終版本軟件質量水平的問題，在傳統BP神經網絡算法基礎上，引入附加動量法，采用經典的三層框架，以質量特征個數的一半代表隱含層節點數設計BP神經網絡結構，智能評估預測復雜軟件質量的面向復雜軟件的質量評估預測方法。

技術領域

本發明屬于軟件評價技術領域，具體是指一種面向復雜軟件的質量評估預測方法。

背景技術

計算機軟件是計算機的內部核心，是計算機系統最重要的組成部分也是保證計算機發揮作用和正常運行的前提。計算機系統不可能脫離計算機軟件獨立存在，在現代社會，計算機軟件已經涉及到國防、航天、金融、建筑、服務等各行各業，其中計算機軟件中應用頻率最高的模式就是對數據的處理模式，計算機可以將任何內容形式的數據資料進行整理和分析，現階段我國大多數的企業都選擇憑借計算機的這一功能實現對自己企業的數據處理，并逐步達到了企業內部信息和資源的共享需求大大提高了企業的工作效率。另一方面，當前有許多大眾通訊和生活軟件已經滲透到人們日常的生活中，這些軟件都能和大眾的實際生活聯系在一起，也更加充分說明現在計算機軟件的應用范圍會越來越廣泛，為實現我國各行各業的自動化做出重要的貢獻。同時，計算機軟件的復雜度在不斷上升，因此未來對計算機軟件質量評估尤為重要。

BP神經網絡是一種多層前饋神經網絡，由輸入層、隱含層和輸出層組成，層與層之間采用全互連方式，同一層之間不存在相互連接，隱含層可以有一層或多層。層與層之間有兩種信號在流通，一種是工作信號(用實線表示)，它是施加輸入信號后向前傳播直到在輸出端產生實際輸出的信號，是輸入和權值的函數；另一種是誤差信號，網絡實際輸出與期望輸出間的差值即為誤差，它由輸出端開始逐層向后傳播。BP網絡的學習過程由前向計算過程和誤差反向傳播過程組成。在前向計算過程中，輸入量從輸入層經隱含層逐層計算，并傳向輸出層，每層神經元的姿態。如輸出層不能得到期望的輸出，則轉入誤差反向傳播過程，誤差信號沿原來的連接通路返回，逐次調整網絡各層的權值和閾值，直至到達輸入層，再重復向計算。這兩個過程依次反復進行，不斷調整各層的權值和閾值，使得網絡誤差最小或達到人們所期望的要求時，學習過程結束。

目前，在進行軟件質量評價時，尚無有效的評價方法，更多的是由有經驗的開發人員作為質量陪審員進行質量評價，質量評審員分別對單項指標評價，部分指標評價過程中，可以采取相應工具完成，如代碼覆蓋率工具等；然而例如易安裝性、客戶滿意度、易替代性等指標，更多是采用主觀經驗定性判斷的方式。在評價過程中，單項指標的評價較為容易，但由于評價指標多元化，綜合質量評價較為困難，同時由于質量評審員專業不同，不同質量評審員從不同角度給出的評價時不一樣的，因此如何綜合評價軟件質量是現在軟件評估的重要問題。同時軟件開發是一較長的周期，有些質量指標可以提前衡量，但是某些指標卻得在軟件完全開發完成才可以評價，待軟件開發完成再進行質量評價會拉長軟件開發周期。因此如何加強質量過程把控，如何實現對過程中對某些軟件質量指標評估后就可以預估軟件綜合質量、進行相應調整并確保軟件高質量按時交付成為亟需解決的問題。因此，急需建立一種預測機制，對某些軟件質量指標評測后，就可以預測最終軟件質量水平，有助于及時發現軟件錯誤并做出調整。

發明內容

為解決上述現有難題，本發明提供了一種解決傳統軟件評價定性，評價不準確，未能提前預估最終版本軟件質量水平的問題，基于動量法改進的神經網絡智能評估預測復雜軟件質量的面向復雜軟件的質量評估預測方法。

本發明采用的技術方案如下：一種面向復雜軟件的質量評估預測方法，包括以下步驟：

1)BP網絡結構設計：在傳統BP神經網絡算法基礎上，引入附加動量法，采用經典的三層框架，以質量特征個數的一半代表隱含層節點數設計BP神經網絡結構；

2)初始化網絡：初始化BP神經網絡結構與學習參數；