机载嵌入式软件质量检测方法、装置、介质及电子设备制造方法及图纸

一种机载嵌入式软件质量检测方法、装置、介质及电子设备，该方法包括：对神经网络进行训练；根据神经网络各个输出节点的输出结果提取隐节点与输出节点之间的规则，得到第一规则集合；根据第一规则集合中各个隐节点的输出结果提取输入节点与输出节点之间的规则，得到第二规则集合；对第二规则集合中的各个数据特征的确定式规则出现的次数进行累计，并将累计次数最高的预设数量个数据特征作为目标特征；根据目标特征确定各个质量分类类型对应的阈值条件；提取待检测机载嵌入式软件中的数据特征，并与各个质量分类类型对应的阈值条件进行匹配，以确定待检测机载嵌入式软件的质量分类类型。本发明专利技术准确率较高，同时也提取出了重要特征。特征。特征。

【技术实现步骤摘要】
机载嵌入式软件质量检测方法、装置、介质及电子设备


[0001]本专利技术涉及软件质量检测
，特别是涉及一种机载嵌入式软件质量检测方法、装置、介质及电子设备。

技术介绍

[0002]软件质量度量是软件生命周期中一个较为重要的问题，在软件开发和维护的过程中，都需要考虑软件质量的问题，若不对软件进行质量度量，则无法判断软件质量标准，对软件开发过程也会产生重大的影响，对软件产品质量进行客观全面的度量和评价、不断提高软件产品的质量始终是计算机科学领域研究的重要方向之一。
[0003]机载嵌入式软件因其软件结构的特殊性，一般用于软件质量度量的特征无法完全适用于机载嵌入式软件。针对这类型的软件的质量评价，主要是依赖于评审专家根据行业领域特定的特征进行评分，评审方法的指标权重一般由专家指定，很多定性信息也是由人主观判断进行量化，存在主观的随意性和思维的不确定性。人工神经网络（ANN, Artificial Neural Network）技术可以根据其自学习能力很好的将专家主观赋值问题转换为了网络的结构调节过程，但是人工神经网络的一个显著的缺陷就是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机载嵌入式软件质量检测方法，其特征在于，包括：将机载嵌入式软件的各个数据特征分别作为神经网络中各个输入节点的输入，各个质量分类类型分别作为所述神经网络中各个输出节点的输出，对所述神经网络进行训练；根据各个所述输出节点的输出结果提取训练好的所述神经网络中隐节点与输出节点之间的规则，以分别得到各个所述质量分类类型对应的第一规则集合；分别根据各个所述质量分类类型对应的第一规则集合中各个隐节点的输出结果提取输入节点与输出节点之间的规则，得到各个所述质量分类类型对应的第二规则集合；分别对各个所述第二规则集合中的各个数据特征的确定式规则出现的次数进行累计，并分别将各个所述第二规则集合中累计次数最高的预设数量个数据特征作为对应质量分类类型的目标特征；根据各个所述质量分类类型的目标特征确定各个所述质量分类类型对应的阈值条件；提取待检测机载嵌入式软件中的数据特征，并与各个所述质量分类类型对应的阈值条件进行匹配，以确定所述待检测机载嵌入式软件的质量分类类型。2.如权利要求1所述的机载嵌入式软件质量检测方法，其特征在于，所述将机载嵌入式软件的各个数据特征分别作为神经网络中各个输入节点的输入，各个质量分类类型分别作为所述神经网络中各个输出节点的输出，对所述神经网络进行训练的步骤之前还包括：设置神经网络的算法约束，所述算法约束用于将所述神经网络的各个节点的输入和输出经过激活函数处理，并将处理后的数据以0.5为界划分为二值，大于等于0.5的数据修改为1，小于0.5的数据修改为0。3.如权利要求1所述的机载嵌入式软件质量检测方法，其特征在于，所述根据各个所述输出节点的输出结果提取训练好的所述神经网络中隐节点与输出节点之间的规则的步骤之前还包括：对训练好的所述神经网络的输出结果进行one
‑
hot编码。4.如权利要求1所述的机载嵌入式软件质量检测方法，其特征在于，所述根据各个所述输出节点的输出结果提取训练好的所述神经网络中隐节点与输出节点之间的规则，以分别得到各个所述质量分类类型对应的第一规则集合的步骤包括：遍历所有的输出节点，提取当前输出节点的输出值等于当前质量分类类型对应的目标值时所有的隐层节点的输出集合，以得到当前输出节点对应的规则集合；对每个所述输出节点对应的规则集合中的否定式规则按照预设概率进行抛弃处理，并将进行抛弃处理后的各个所述规则集合求交集，得到当前质量分类类型对应的第一规...

【专利技术属性】
技术研发人员：郑巍，朱嘉豪，樊鑫，杨丰玉，肖鹏，
申请(专利权)人：南昌航空大学，
类型：发明
国别省市：