软件已经成为影响国民经济、军事、政治乃至社会生活的重要因素。软件的缺陷是导致相关系统出错、失效、崩溃甚至机毁人亡的潜在根源。软件缺陷预测是保证软件可靠性和软件质量的一种十分有效的手段,在分析软件质量、平衡软件成本方面起着重要的作用。如何预测软件的缺陷成为现在实际工程应用中亟待研究的课题。　　 首先,文章对软件缺陷预测技术进行了简单介绍。研究和讨论了软件缺陷预测技术的起源、发展和当前所面临的挑战,对主流的缺陷预测技术进行了分类讨论和比较。　　 其次,介绍了神经网络技术、软件度量的相关概念和主成分分析方法,针对影响软件可靠性的各种因素,依据相关的标准,结合实际的工程实践,文章选取了影响软件可靠性的技术度量元和管理度量元,给出度量元的用途和具体的计算方法。　　 最后,将主成分分析方法和神经网络技术相结合,建立了基于软件生命周期早期的PCA—BP神经网络软件缺陷预测模型,给出了该模型方法的具体实现过程。收集了实际工程中的两类软件的度量数据,在软件生命周期早期各阶段进行了缺陷预测。结果表明:与基于BP神经网络的预测方法相比较,结合了主成分分析方法的PCA—BP神经网络预测方法具有更快的收敛速度和更高的预测准确度；针对不同类型的软件训练出不同的预测网络,可提高预测准确度。