BP神经网络在软件质量评价中的应用研究 

秦晋++智荣腾

摘要：软件质量评估是软件项目开发中的重要环节之一。针对软件质量缺乏综合性评价体系和方法的问题，通过分析软件质量体系，选取适当软件质量属性作为评估指标，引入BP神经网络算法，提出一种基于BP神经网络的软件质量评估模型。以样本数据训练神经网络，并对网络进行测试。结果表明，该方法能够较为准确地评估软件质量，对提高软件质量具有参考价值。

关键词：BP神经网络；软件质量；质量属性；质量评价

DOIDOI：10.11907/rjdk.161521

中图分类号：TP301

文献标识码：A文章编号文章编号：16727800（2016）009000103

基金项目基金项目：国家自然科学基金项目 （71471103）

作者简介作者简介：秦晋（1990-），男，安徽省阜阳人，山东工商学院管理科学与工程学院硕士研究生，研究方向为管理信息系统、可信软件；智荣腾（1991-），女，山东龙口人，山东工商学院管理科学与工程学院硕士研究生，研究方向为管理信息系统、软件成本管理。

0引言

当前，软件行业飞速发展，云计算、大数据、软件定义网络等新技术层出不穷，当这些新理念融合到软件产品开发中时，软件规模、复杂度和智能化水平将不断提高，应用环境日益复杂，对软件质量的要求也越来越高。建立一个具有较高准确度的软件综合质量评估方法很有必要＼[1，2＼]。软件综合质量评估是一个复杂的系统工程，由于软件综合质量评估中体系和方法不统一，如何准确地对软件综合质量进行评估尚未形成统一标准＼[3＼]。近年来，基于各种理论与方法的软件评估模型层出不穷，一些软件评估模型被广泛运用于软件产业，并取得了显著成效＼[4＼]，例如AHP评估模型、DEA数据包络分析、模糊综合评价模型等，但这些模型主要依赖于专家的经验判断，受主观性因素影响较大。本文通过研究软件质量体系的属性特征，参考软件质量属性相关定义，构建基于BP神经网络的软件质量评估体系，根据软件质量属性样本，运用BP人工神经网络对样本进行训练、学习，最后量化所选指标，得出预测结果。实验证明该方法能科学、准确地对软件质量进行评估与预测。

1BP神经网络

人工神经网络（Artificial Networks，ANN）是在现代神经科学研究成果的基础上提出的，是由大量处理单元互联组成的非线性、自适应信息处理系统，其基本处理单位称为神经元，目前比较成熟的ANN模型及相应算法甚多，其中采用误差反向传递学习算法的多层神经网络（即BP神经网络）运用最为广泛，其自学习功能与联想存储功能以及高速寻找优化解的能力被运用在诸多领域，解决某些传统方法无法解决的问题。BP神经网络是一种具有很强非线性映射能力的多层前馈型神经网络，一般包含输入层、中间层（隐含层）、输出层3个层次，部分神经网络可根据实际情况设置3层以上的结构网络，相邻上、下层之间的神经元实现全连接，BP神经网络的常见结构模型如图1所示。

BP神经网络的学习过程由正向传播和反向传播组成，正向传播中，信息由输入层经隐含层处理后，传向输出层，并且上一层神经元的状态只影响下一层神经元状态，若输出层得不到期望的数值，则进入反向传播，将误差信号沿原有连接通道返回，通过修改各层神经元的权值，使误差变小，经过反复迭代计算，得出误差值范围内的结果。BP神经网络的非线性处理能力可很好地处理信息含糊、不完整、存在矛盾等复杂情况的认知判断问题＼[5＼]，故使用BP神经网络来解决软件质量评估的复杂性问题是可行的。

4结语

基于BP神经网络的软件质量评估充分利用了以往评价结果，将量化过程集成于BP神经网络的学习过程中，解决了人为主观随意性及思维不定性，评估准确、客观、科学、有价值，对特定问题有一定借鉴意义。同时，基于BP神经网络的软件质量评估扩展性强，可针对不同类型指标，不同评估等级变换输入输出层进行调节，对软件质量综合评价具有重要意义。

参考文献：

[1]王峰.基于层次分析法的软件质量评估模型分析与研究[J].现代电子技术，2012（24）：2123.

[2]于本海.可信软件测度理论与方法[M].北京：科学出版社，2014.

[3]王李进，吴保国，郑德祥.基于人工神经网络的软件质量评价[J].计算机应用与软件，2008（12）：133134.

[4]杨爱民，张文祥.软件质量及其量化评价方法[J].计算机工程与设计，2006（21）：39873990.

[5]王伟.基于BP神经网络的Web软件质量分析[J].软件导刊，2012（2）：1618.

[6]熊鹏程，范玉顺.基于模糊层次分析法的集成软件质量评估模型[J].计算机应用，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]张洪玲，张琦.SaaS软件质量分层模糊综合评价方法研究[J].软件导刊，2015（3）：13.

[10]刘渝妍.基于灰色定权聚类的软件质量评价模型研究[J].西南大学学报：自然科学版，2008（5）：177180.

责任编辑（责任编辑：陈福时）