随着信息技术的飞速发展,软件产品在人们生产生活中扮演着越来越重要的角色并渗透到了诸多行业。软件质量是软件是否满足规定需求的程度,是评价使用产品好坏的重要指标。目前,软件规模不断增大,复杂程度不断增加,合理把握和保证产品质量成为亟待解决问题,对软件质量特性度量评价是提高软件质量的有效手段。面对软件这个复杂系统,存在诸多影响产品质量的因素,当前研究主要从定性角度对软件产品质量进行度量。针对软件质量评价这个多指标决策问题,应结合定量和定性两个角度并采用科学方法。本文基于支持向量机技术展开研究,具体从以下几个方面:一是,对软件质量评价的背景、现状进行叙述,确定研究意义与目的、研究方法、创新之处与难点;二是,对支持向量机相关理论进行学习了解,包括统计学习理论、支持向量机理论以及核函数理论,其中核函数是支持向量机技术重点;三是,对软件质量理论和评价方法进行阐述并根据前人研究的质量模型中参考因素合理构建软件质量评价指标体系结构,产品评价指标体系包括7个质量属性和22个子属性;四是,构建数学模型,数学模型是进行软件质量评价的基础,在支持向量机模型构建过程中,具体包括核函数的确定问题以及模型参数选取问题,具体从理论和实验两方面进行分析;五是,对样本数据进行实例分析,利用拟合评价结果验证软件质量评价方法的准确性。本文研究的基于支持向量机软件质量评价方法,总结了传统评价方法优点和不足,尝试用SVM技术构建数学模型,通过与神经网络评价模型进行对比分析,拟合结果表明,支持向量机模型克服了神经网络模型时间长、结果非唯一性等不足,是一种有效的质量评价方法。