基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
应用于软件缺陷预测模型的量子粒子群优化BP算法
软件缺陷
预测模型
量子粒子群
BP算法
交叉验证
预测精准性
应用于软件缺陷预测模型的量子粒子群优化BP算法
软件缺陷
预测模型
量子粒子群
BP算法
交叉验证
预测精准性
改进的耗散量子粒子群优化算法及其应用
量子粒子群优化算法
耗散操作算子
函数优化
量子进化算法
基于改进BP算法的软件缺陷预测模型研究
缺陷预测模型
模拟退火算法
JCUDA技术
BP算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 应用于软件缺陷预测模型的量子粒子群优化BP算法
来源期刊 重庆理工大学学报(自然科学版) 学科 工学
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
年,卷(期) 2019,(6) 所属期刊栏目 信息·计算机
研究方向 页码范围 184-189
页数 6页 分类号 TP311
字数 3148字 语种 中文
DOI 10.3969/j.issn.1674-8425(z).2019.06.028
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 姜利群 中国矿业大学计算机学院 40 174 8.0 12.0
2 赵鹏 太原师范学院计算机科学与技术系 34 70 5.0 7.0
3 洪晓彬 广州工商学院计算机科学与工程系 16 10 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (85)
共引文献  (94)
参考文献  (15)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1984(2)
  • 参考文献(0)
  • 二级参考文献(2)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(6)
  • 参考文献(0)
  • 二级参考文献(6)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(11)
  • 参考文献(1)
  • 二级参考文献(10)
2008(7)
  • 参考文献(0)
  • 二级参考文献(7)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(11)
  • 参考文献(0)
  • 二级参考文献(11)
2011(9)
  • 参考文献(0)
  • 二级参考文献(9)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(7)
  • 参考文献(5)
  • 二级参考文献(2)
2014(5)
  • 参考文献(1)
  • 二级参考文献(4)
2015(3)
  • 参考文献(3)
  • 二级参考文献(0)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(2)
  • 参考文献(1)
  • 二级参考文献(1)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
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
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
重庆理工大学学报(自然科学版)
月刊
1674-8425
50-1205/T
重庆市九龙坡区杨家坪
chi
出版文献量(篇)
7998
总下载数(次)
17
总被引数(次)
41083
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导