مجتبی قنبری شاهراجی - دانشجوی کارشناسی ارشد،موسسه آموزش عالی شفق،گروه کامپیوتر،تنکابن،ایران
رضا طاولی - عضو هیئت علمی دانشگاه آزاد اسلامی واحد چالوس،ایران

این مقاله بر مسئله عیب یابی، مسئله ای با اهمیت عمده در طول نگهداری و تکامل نرم افزار، متمرکز است. این برای توسعه دهندگان نرم افزار ضروری است که واحدهای معیوب نرم افزار را برای بهبود مداوم کیفیت سیستم نرم افزاری، تشخیص دهند.در این مقاله به ارائه مدلی هوشمند به کمک داده کاوی جهت پیش بینی عیب واحد نرم افزاری پرداخته شده است . یکی از مهمترین عواملی که تاثیر زیادی در ساخت مدلی با دقت مناسب برای پیش بینی دارد، ویژگی است . علاوه بر ویژگی، انتخاب مدل پیش بینی کننده یا همان طبقه بند تاثیر زیادی در دقت مدل نهایی و پیش بینی واحد نرم افزاری معیوب دارد . در این مقاله از چهار طبقه بند نظیر bagging،naive Bayes،OneR،j48 استفاده شده است. مجموعه داده مورد بررسی در این مقاله شامل چهار دیتاست برگرفته از مجموعه داده های منابع آزاد ناسا میباشد

الگوریتم های داده کاوی، تشخیص خطا، طبقه بند،مهندسی نرم افزار