粗糙集模糊神经网络软件质量预测

宫丽娜

（枣庄学院信息科学与工程学院，山东枣庄 277160）

粗糙集模糊神经网络软件质量预测

宫丽娜

（枣庄学院信息科学与工程学院，山东枣庄 277160）

以面向对象的软件度量为研究对象，首先采用SOM神经网络离散化度量元因子矩阵数据，接着对于得到的离散化的矩阵数据采用粗糙集理论的属性约简算法进行属性约简，然后根据约简得到规则构造模糊神经网络的网络结构，并采用BP算法对网络进行训练，最后通过仿真实验验证了该算法。

软件质量；粗糙集；规则提取；模糊神经网络；BP算法

0 引 言

软件的使用和维护受限于软件的质量，所以对软件质量进行评价至关重要。但是由于在开发的过程中有各种不确定的因素，所以一般情况下采用的是模糊评价方法。为了精确、客观和科学的评价软件质量，文中将模糊神经网络的强大学习能力和粗糙集的知识表达能力相结合，提出了基于粗糙集理论的模糊神经网络的软件质量预测模型。

1 软件质量综述

国际标准化组织ISO的质量特性国际标准ISO／IEC9126定义软件质量为：能够反映软件产品满足规定需求和潜在需求能力的特征和特性的总和［1］。软件质量直接影响到软件的使用以及后期的维护，所以对软件质量进行评价特别重要。

利用神经网络构建软件质量预测模型在国内外已经有了一定的研究成果，其中给予BP神经网络的模型较多，而传统的BP算法存在收敛速度慢和易于陷入局部极小问题。在模糊神经网络的应用中，当模糊神经网络输入变量多时，网络结构就比较复杂，所花费的时间相对比较长。……