随着计算机的广泛应用,计算机软件的需求量逐渐增大,如何高效开发高质量的计算机软件成为软件公司关注的问题。计算机软件的早期开发理念和方法在很大程度上限制了计算机的开发质量和开发周期。软件缺陷预测是软件工程领域中为了提高软件开发效率,降低开发成本,同时又能提高软件的开发质量所作的研究。该方法通过研究软件中的高缺陷模块,运用统计或分类方法预测软件模块含有缺陷的情况。软件开发人员在开发过程中将预测的结果作为参考来关注易于产生缺陷的模块,从而提高软件的开发质量,降低软件的开发周期。目前,软件缺陷预测技术的研究成为软件工程和应用中重要领域之一,该项技术的研究也越来越多。针对软件缺陷预测方法对提高软件开发质量和软件开发效率具有重要的指导意义,本文首先对计算机软件缺陷预测的基本概念、意义、研究现状进行了详细的描述,在对现有的缺陷预测技术方法进行了总结概括的基础上,分析比较了已有软件缺陷预测的优点及不足,重点研究了模糊积分理论,根据模糊积分的映射功能设计了缺陷预测模型。该模型在高维空间对软件模块数据分类并建立分类超平面完成对模块的预测。针对软件中缺陷模块和非缺陷模块的比例相差较大问题采用错误分类惩罚机制调整最小错误分类率的模糊积分分类函数。最优化分类超平面函数参数优化根据遗传优化方法来实现。其次,详细分析了软件模块属性特征与软件缺陷的关系,运用改进粒子群优化算法建立软件缺陷的预测模型。该模型通过优化提取缺陷模块特征属性规则进行预测。实验结果表明了所设计模型的有效性和适用性。针对模糊测度和模糊积分所具有的特性,本文还定义了在粒子群优化过程中粒子个体间的交互作用和在迭代过程中惯性权重的综合运用。在迭代过程中,粒子的搜索方向及速度随着所有粒子之间关系的变化而变化,惯性权重的改变是通过综合迭代过程中的原有的惯性权重所占比重自动修改。实验结果表明基于模糊积分的粒子群优化算法是可行的。