一种基于选择性动态权重神经网络集成的软件可靠性预测方法

摘要

本发明属于软件可靠性预测领域，具体是一种基于选择性动态权重神经网络集成的软件可靠性预测方法。主要分为四个步骤：A.生成神经网络个体：选取Elman神经网络作为网络个体，通过Bagging算法产生n个神经网络个体；B.个体优选：对生成的神经网络个体，首先通过K值优化算法确定聚类个数，然后通过K-均值聚类算法对神经网络个体进行聚类来增大个体差异，最终将聚类后的个体进行集成；C.动态模型建立：利用优选个体的拟合数据的误差，构建基于模糊神经网络的动态权重模型；D.集成输出：将优选个体的预测结果与动态权重模型生成的权重相结合生成最终预测结果。本发明将神经网络集成算法应用于软件可靠性预测，具有精度高、稳定性好的优点。