[发明专利]一种基于JCUDASA_BP算法的软件缺陷预测方法

权利要求书

1.一种基于JCUDASA_BP算法的软件缺陷预测方法，其特征在于，包括以下步骤：

步骤一、构建一个BP网络，初始化BP网络中各层的权值；其中所述网络包含一个输入层、一个隐含层和一个输出层，确定网络输入、输出节点数，确定隐藏节点，明确初始化权值，完成初始化BP网络结构；

步骤二、根据步骤一构建的BP网络结构，统计输入样本数量，根据输入样本情况利用JCUDA平台实现在GPU中启动线程计算各层输出，根据输出值与期望误差计算误差值；

步骤三、统计输出值与期望值之间的误差后，利用模拟退火算法计算是否接受当前误差，接受则完成；否则继续调整网络权值，每一个样本分条进行处理；

利用JCUDASA_BP算法对软件缺陷预测的运行时间进行优化、模拟，包括以下步骤：

第一步：设软件缺陷预测模型的学习样本为S，样本数为N，表示为公式1；

S＝(S₁,...,S_N) 公式1

第二步：JCUDASA_BP算法在CPU中将学习样本划分为X个组合，则学习样本S表示为公式2；

S＝S'＝(S′₁,...,S'_X) 公式2

第三步：在公式2中，每一个S′_i，i＝(1,X)对应着N/X学习样本，当N/X的计算值不为整数时，分组阶段自动对该N/X的计算值进行向下取整获得一个参数n表示该N/X的计算值，公式2中，第i样本组的数据用公式3进行表示；

S′_i＝(S_1·i,...,S_n·i) 公式3

第四步：当进行到S样本最后一个分组时，自动取剩余所有样本，以保证分组数据的正确与完整；

第五步：基于JCUDASA_BP算法的软件缺陷模型在GPU中启动多个线程，分别计算公式2中学习样本S的平均误差值，所有的样本的误差的表示为公式4；

公式4中，Δe_j表示第j个样本组合计算完的误差值，Δe表示全部样本集计算的平均误差值。

2.如权利要求1所述的一种基于JCUDASA_BP算法的软件缺陷预测方法，其特征在于，上述方法基于JCUDASA_BP算法利用梯度下降法和模拟退火算法对网络的权值进行修正，获得新的权值矩阵PR，即产生一个很小的随机扰动值Δ；利用模拟退火算法时，首先针对输入层与输出层的权值引入一个随机扰动Δpr，针对输出层与隐含层之间的权值引入随机扰动Δph，然后，分别计算Δph和Δpr的期望误差值；如果期望值变化量小于零，则接受该随机扰动；如果该变化量大于零时，根据模拟退火算法，以一个概率ρ接受当前解；当接收当前解时，记录前一任的解，以防止当前解陷入局部最小值或者局部最优解的情况。

3.如权利要求1所述的一种基于JCUDASA_BP算法的软件缺陷预测方法，其特征在于，在上述方法执行过程中，如果计算未完成则不停止GPU中计算BP算法的线程；当线程长期无反应时，基于JCUDASA_BP算法的软件缺陷预测，利用监控线程,根据其他学习样本的计算结果重新设定线程计算样本的结果，以获得更快的处理效率。