[发明专利]基于静态分析和神经网络的软件故障预测技术的构建方法

摘要

本发明提供一种基于静态分析和神经网络的软件故障预测技术的构建方法,步骤如下：1、搜集被诊断软件的有效故障，加入到创建的故障案例库；2、统计软件各历史版本的有效故障的次数；3、使用静态分析工具扫描软件源代码，输出复杂度度量值；4、进行相关性分析，计算故障次数与度量值的显著性水平；5、选出与故障次数具有显著相关性的复杂度度量值；6、构建网络训练输入输出矩阵和预测输入矩阵；7、构建BP神经网络；8、完成网络训练，构建故障预测系统；9、神经网络预测，预测新版本的故障数量。通过上述步骤，可以完成对基于静态分析和BP神经网络的软件故障预测技术的构建。本发明能帮助开发者预测可能发生的软件故障，具有实用价值。

主权项

基于静态分析和神经网络的软件故障预测技术的构建方法，其特征在于：其步骤如下：步骤1、搜集被测软件的各历史版本的故障案例，依据故障信息相关、完整、非重复、非人为错误操作四原则，筛选有效故障案例，加入到创建的故障案例库；步骤2、统计软件各历史版本的有效故障的次数；步骤3、使用静态分析工具扫描软件的各历史版本和新版本的源代码，输出程序的复杂度度量值；步骤4、使用统计工具进行相关性分析，计算各历史版本的软件故障次数与各个度量值的相关性；步骤5、依据统计规则选出与软件故障次数具有显著相关性的静态分析的度量值；步骤6、使用各历史版本的显著相关复杂度度量值和软件故障数量，构建BP神经网络的训练输入输出矩阵，使用新版本软件的强相关性复杂度度量值构建预测输入矩阵；步骤7、构建基于BP神经网络的故障预测算法；确定神经网络的结构和网络参数的配置；步骤8、结合构建好的网络训练输入输出矩阵，完成BP神经网络的训练过程，构建基于静态分析和BP神经网络的软件故障预测系统；步骤9、在软件故障预测系统中输入预测输入矩阵，预测软件新版本的故障数量；通过上述步骤，能完成对基于静态分析和BP神经网络的软件故障预测技术的构建，使用静态分析软件扫描历史版本和新版本的软件代码得到软件的复杂度度量值，结合历史版本的故障数据，即能通过BP神经网络进行软件故障数量的预测；本发明适用于解决实际问题中的软件故障数量预测问题，能帮助软件开发者利用已知的软件故障数量信息和软件源代码，而不需要其他数据，即能预知未来可能发生的故障数量，以便在新的软件发布前做出应对，减小损失，具有很高的实际应用价值。