近几年来，人工神经网络技术有了引人注目的进展，在各行各业的应用也越来越广泛。尤其是在指标集呈现非线性特征的软件质量评估中，由于神经网络自身对具有非线性特征的软件质量属性集的适应性，因此利用神经网络比常规方法更具有说服力。　　本论文首先回顾了人工神经网络的历史，在讨论如何利用神经网络对软件质量进行评估之前，介绍了软件质量评估的历史和现状，并给出了软件质量评估的常用方法和一般模型。　　其次，在对如何利用神经网络对软件质量进行评估的研究中，针对原有的神经网络方法提出了利用神经网络组来对软件质量进行评估的新方法。这种方法的优点在于加快了神经网络的收敛速度，缩短了网络的训练时间；再利用贝叶斯公式对各个网络的输出进行融合，利用融合后的结果对软件质量的优劣进行判别，和一般的神经网络方法相比这种方法很大程度上提高了判别的准确率。　　最后，在简介了软件质量评估的常用神经网络方法之后，利用已有的软件质量度量技术及软件质量度量模型，在同等条件下对常用神经网络方法和神经网络组方法分别进行了数值实验。首先利用相同数量的训练样本数据同时对这两种网络进行训练，然后利用训练好的网络分别对同一组待评估软件进行评估，实验结果一方面验证了用神经网络组方法进行软件质量评估的可行性,同时也验证了神经网络组方法的优越性.。