基于改进旋转策略的量子遗传-神经网络算法的软件缺陷预测模型

针对标准量子遗传-神经网络在进行缺陷预测时存在的收敛速度慢、易陷入局部最优等问题,提出了基于改进旋转策略的量子遗传-神经网络算法的预测模型.首先,以标准BP(back propagation)神经网络为基础,确定其拓扑结构.接着,采用动态更新旋转角度的策略对旋转角度进行更新.然后,利用改进的算法对神经网络进行优化,并构建预测模型,以提高预测的准确率.最后,在NASA数据集上进行仿真实验,结果表明改进后的预测模型的准确率更高,其平均值达到了90%.