شهره اجودانیان - عضو هیئت علمی دانشگاه آزاد اسلامی واحد نجف آباد
زهرا خبازیان - موسسه آموزش عالی صنعتی فولاد
احمدرضا شفیعی ثابت - موسسه آموزش عالی صنعتی فولاد
لیلا منصوریان - موسسه آموزش عالی صنعتی فولاد

در سال های اخیر استفاده از پیشگوهای آزمون، به منظور پیش بینی صحت عملکرد برنامه های نرم افزاری، رواج بسیاری یافته است. پیشگویآزمون فرآیندی را جهت تولید نتایج مورد انتظار و مقایس هی نتایج واقعی و نتایج موردانتظار، دنبال م ینماید. تلاش برای اتوماتی ککردن این فرآیند و کاهش روش های دستی، منجر به بهینه شدن عمل آزمون از نظر هزینه و زمان و نیز دقت بالاتر می شود. در جهت اتوماتی ککردن پیشگوها با چالش هایی مواجه هستیم. روش های مختلف اتوماتی ککردن پیشگو، هریک تلاش هایی را برای رفع این چالش ها نموده اند. با این حال، تاکنون روش جامع و کاملی برای اتوماتیک کردن کامل عملکرد پیشگو معرفی نشده است. در این مقاله رویکردی معرفی م یشود که با استفاده از کاهش ترکیبات داده و شبکه های عصبی این چالش ها را هدایت کرده و سپس جهت بهبود رویکرد مذکور، راه حلی ارائه شده است که با استفاده از عملیات داده کاوی، موارد آزمون را نیز به صورت اتوماتیک مهیا نماید.

اتوماتیک کردن پیشگو، شبک ههای عصبی مصنوعی، الگوریتم K-means، کاهش ترکیبات داده