基于改进堆叠自编码网络的软件质量预测方法

随着软件在高度综合化系统中的作用日益凸显,软件质量预测成为了提高系统可靠性的有效手段。针对软件质量预测所用数据集常见的样本不足和特征冗余的问题,提出了一种基于改进堆叠自编码(SAE)网络的软件质量预测方法。首先,引入条件生成对抗网络(CGAN)来扩展数据样本。然后,使用SAE网络进行特征降维,并利用粒子群算法(PSO)优化网络结构,改善训练过程易陷入局部最优的问题。之后,结合softmax分类器完成软件质量预测。最后,通过实际机载软件项目数据仿真结果,验证了所提预测网络结构的有效性。