1、軟件缺陷數(shù)量是衡量軟件質(zhì)量好壞的一項重要指標，盡早地發(fā)現(xiàn)缺陷可以避免在軟件開發(fā)后期為修改、彌補缺陷造成資源的浪費，保證軟件的正常交付。軟件缺陷預測模型可用于軟件開發(fā)初期對軟件缺陷的分布或缺陷數(shù)量進行預測，使軟件開發(fā)人員能夠?qū)⒂邢薜馁Y源集中于缺陷高發(fā)模塊，更有效地發(fā)現(xiàn)和排除缺陷，滿足用戶需求，對軟件可靠性的提高和軟件質(zhì)量的保證有著非常重要的意義。
　　軟件缺陷預測技術自1992年由Briand提出以來，就在軟件工程領域受到了極大關注

2、，到目前為止，已有無數(shù)學者對此展開了研究，并提出了多種軟件缺陷預測的模型?；贐P人工神經(jīng)網(wǎng)絡的軟件缺陷預測模型是其中應用較廣且效果最為明顯的一種，它利用軟件模塊的屬性值和以往缺陷數(shù)據(jù)進行分析，對軟件模塊有無缺陷或缺陷數(shù)量做出預測。盡管該模型已取得了良好的預測效果，但由于BP算法本身存在一些問題，導致缺陷預測的準確度仍不夠理想。
　　針對上述問題，本文在研究傳統(tǒng)BP神經(jīng)網(wǎng)絡建立的軟件缺陷預測模型的基礎上，提出了基于改進后SAPSO

3、-BP網(wǎng)絡的軟件缺陷預測模型，以期望進一步提高軟件缺陷預測能力。本文的主要工作包括以下幾個方面:
　　第一，對軟件缺陷及軟件缺陷預測技術的相關理論進行研究，包括描述缺陷的度量屬性，軟件缺陷預測模型的建立步驟以及常見缺陷預測模型的分析比較等方面，為研究基于SAPSO-BP網(wǎng)絡的缺陷預測模型提供有價值的參考。
　　第二，深入研究基于BP網(wǎng)絡的軟件缺陷預測模型及該模型目前存在的不足。傳統(tǒng)模型由于采用的BP算法在調(diào)整權(quán)值閾值的過程中

4、采用梯度下降法，使算法存在收斂速度慢，容易陷入局部最優(yōu)的問題，進而導致預測結(jié)果不夠精確。
　　第三，針對傳統(tǒng)模型的不足，提出基于SAPSO-BP網(wǎng)絡的軟件缺陷預測模型。為解決傳統(tǒng)BP算法存在的問題，本文首先采用粒子群算法對BP網(wǎng)絡的參數(shù)進行初始化，然后利用模擬退火算法在搜索全局最優(yōu)解上的突出優(yōu)勢來修正網(wǎng)絡的權(quán)值和閾值，最后用訓練好的網(wǎng)絡模型進行缺陷預測。
　　第四，基于上述工作，利用NASA網(wǎng)站上公布的MDP項目的數(shù)據(jù)集，采