BP神經網絡在軟件質量評價中的應用研究 

秦晉++智榮騰

摘要：軟件質量評估是軟件項目開發中的重要環節之一。針對軟件質量缺乏綜合性評價體系和方法的問題，通過分析軟件質量體系，選取適當軟件質量屬性作為評估指標，引入BP神經網絡算法，提出一種基于BP神經網絡的軟件質量評估模型。以樣本數據訓練神經網絡，并對網絡進行測試。結果表明，該方法能夠較為準確地評估軟件質量，對提高軟件質量具有參考價值。

關鍵詞：BP神經網絡；軟件質量；質量屬性；質量評價

DOIDOI：10.11907/rjdk.161521

中圖分類號：TP301

文獻標識碼：A文章編號文章編號：16727800（2016）009000103

基金項目基金項目：國家自然科學基金項目 （71471103）

作者簡介作者簡介：秦晉（1990-），男，安徽省阜陽人，山東工商學院管理科學與工程學院碩士研究生，研究方向為管理信息系統、可信軟件；智榮騰（1991-），女，山東龍口人，山東工商學院管理科學與工程學院碩士研究生，研究方向為管理信息系統、軟件成本管理。

0引言

當前，軟件行業飛速發展，云計算、大數據、軟件定義網絡等新技術層出不窮，當這些新理念融合到軟件產品開發中時，軟件規模、復雜度和智能化水平將不斷提高，應用環境日益復雜，對軟件質量的要求也越來越高。建立一個具有較高準確度的軟件綜合質量評估方法很有必要＼[1，2＼]。軟件綜合質量評估是一個復雜的系統工程，由于軟件綜合質量評估中體系和方法不統一，如何準確地對軟件綜合質量進行評估尚未形成統一標準＼[3＼]。近年來，基于各種理論與方法的軟件評估模型層出不窮，一些軟件評估模型被廣泛運用于軟件產業，并取得了顯著成效＼[4＼]，例如AHP評估模型、DEA數據包絡分析、模糊綜合評價模型等，但這些模型主要依賴于專家的經驗判斷，受主觀性因素影響較大。本文通過研究軟件質量體系的屬性特征，參考軟件質量屬性相關定義，構建基于BP神經網絡的軟件質量評估體系，根據軟件質量屬性樣本，運用BP人工神經網絡對樣本進行訓練、學習，最后量化所選指標，得出預測結果。實驗證明該方法能科學、準確地對軟件質量進行評估與預測。

1BP神經網絡

人工神經網絡（Artificial Networks，ANN）是在現代神經科學研究成果的基礎上提出的，是由大量處理單元互聯組成的非線性、自適應信息處理系統，其基本處理單位稱為神經元，目前比較成熟的ANN模型及相應算法甚多，其中采用誤差反向傳遞學習算法的多層神經網絡（即BP神經網絡）運用最為廣泛，其自學習功能與聯想存儲功能以及高速尋找優化解的能力被運用在諸多領域，解決某些傳統方法無法解決的問題。BP神經網絡是一種具有很強非線性映射能力的多層前饋型神經網絡，一般包含輸入層、中間層（隱含層）、輸出層3個層次，部分神經網絡可根據實際情況設置3層以上的結構網絡，相鄰上、下層之間的神經元實現全連接，BP神經網絡的常見結構模型如圖1所示。

BP神經網絡的學習過程由正向傳播和反向傳播組成，正向傳播中，信息由輸入層經隱含層處理后，傳向輸出層，并且上一層神經元的狀態只影響下一層神經元狀態，若輸出層得不到期望的數值，則進入反向傳播，將誤差信號沿原有連接通道返回，通過修改各層神經元的權值，使誤差變小，經過反復迭代計算，得出誤差值范圍內的結果。BP神經網絡的非線性處理能力可很好地處理信息含糊、不完整、存在矛盾等復雜情況的認知判斷問題＼[5＼]，故使用BP神經網絡來解決軟件質量評估的復雜性問題是可行的。

4結語

基于BP神經網絡的軟件質量評估充分利用了以往評價結果，將量化過程集成于BP神經網絡的學習過程中，解決了人為主觀隨意性及思維不定性，評估準確、客觀、科學、有價值，對特定問題有一定借鑒意義。同時，基于BP神經網絡的軟件質量評估擴展性強，可針對不同類型指標，不同評估等級變換輸入輸出層進行調節，對軟件質量綜合評價具有重要意義。

參考文獻：

[1]王峰.基于層次分析法的軟件質量評估模型分析與研究[J].現代電子技術，2012（24）：2123.

[2]于本海.可信軟件測度理論與方法[M].北京：科學出版社，2014.

[3]王李進，吳保國，鄭德祥.基于人工神經網絡的軟件質量評價[J].計算機應用與軟件，2008（12）：133134.

[4]楊愛民，張文祥.軟件質量及其量化評價方法[J].計算機工程與設計，2006（21）：39873990.

[5]王偉.基于BP神經網絡的Web軟件質量分析[J].軟件導刊，2012（2）：1618.

[6]熊鵬程，范玉順.基于模糊層次分析法的集成軟件質量評估模型[J].計算機應用，2006（7）：14971499.

[7]ISO.IEC25010：2011 Systems and software engineeringsystems and software quality requirements and evaluation （SQuaRE）System and software quality models[J].International Organization for Standardization， 2011.

[8]TRUSTIE R G.Trustie series technology standard （V2.0）[Z].2009.

[9]張洪玲，張琦.SaaS軟件質量分層模糊綜合評價方法研究[J].軟件導刊，2015（3）：13.

[10]劉渝妍.基于灰色定權聚類的軟件質量評價模型研究[J].西南大學學報：自然科學版，2008（5）：177180.

責任編輯（責任編輯：陳福時）