پیش بینی خطای نرم افزار با استفاده از تکنیک های یادگیری ماشین

تکنیک های یادگیری ماشینی برای یافتن نقص، خطا، ابهام برای دستیابی به کیفیت، قابلیت نگهداری و قابلیت استفاده مجدد در نرم افزارمورد استفاده قرار می گیرند. تکنیک های پیش بینی خطای نرم افزار برای پیش بینی خطاهای نرم افزار با استفاده از تکنیک های آماریاستفاده می شوند. با این حال، تکنیک های یادگیری ماشینی نیز در تشخیص خطای نرم افزار ارزشمند هستند. این مقاله یک نمای کلی ازپیش بینی خطای نرم افزار با استفاده از تکنیک های یادگیری ماشین برای پیش بینی وقوع خطا ارائه می دهد. این مقاله همچنین روش هایمرسوم را ارائه می دهد. هدف آن توصیف مشکل مستعد بودن خطا است. پیش بینی نقص نرم افزار یکی از مهم ترین موارد پژوهشی درحوزه مهندسی نرم افزار می باشد. وجود نقص در سیستم نرم افزاری یک تهدید جدی برای کیفیت نرم افزار به شمار می رود و موجب عدمانطباق محصول با نیاز مشتری می شود. ازطرفی یکی از فاکتورهایی که منجر به تعداد بالای خطاهای نرم افزاری و در نتیجه تولید نرمافزاری با کیفیت پایین می شود، محدودیت منابع تضمین کیفیت می باشد. بنابراین با توجه به محدودیت منابع بهتر است ابتدا ماژول هاییکه مستعد نقص هستند شناسایی شده، سپس منابع را برای رفع نقص صرف این ماژول ها کنیم. مدل های تشخیص نقص در ماژول هاینرم افزاری تاکنون توسط محققان زیادی مورد مطالعه قرار گرفته است و این در حالی است که بسیاری از روش های پیش بینی ماژول هاینقصدار هنوز در مرحله اولیه می باشند و نیازمند تحقیق بیشتر برای رسیدن به مدل های قوی هستند. دراین مقاله به بررسی ادبیاتمهندسی نرم افزار در مورد پیش بینی نقصهای نرم افزاری خواهیم پرداخت. توضیحات این مقاله منعکس کننده اطلاعات اکثر مقالاتچاپ شده در زمینه تحلیل و بررسی مدل های پیش بینی نقص نرم افزاری می باشد.

Keywords:

یادگیری ماشین , پیش بینی , خطا , نرم افزار