محمدرضا فنایی - دانشجوی کارشناسی ارشد نرم افزار، گروه مهندسی کامپیوتر، واحد بردسیر، دانشگاه آزاد اسلامی، بردسیر، ایران
عمید خطیبی بردسیری - استادیار گروه مهندسی کامپیوتر، واحد بردسیر، دانشگاه آزاد اسلامی، بردسیر، ایران

پیشبینی نقص نرمافزار یکی از مهمترین فعالیتها جهت تضمین کیفیت نرمافزار میباشد و یک فرآیند در حال توسعه است که میتواند توسط پیشبینی کنندههای نرم افزار مورد استفاده قرار گیرد. دقت پیش بینی نقص، در توسعهنرمافزار، نقش به سزایی در موفقیت یا شکست یک پروژه نرمافزاری ایفا میکند. تکنیکهای مختلفی جهت مدلسازی پیشبینی نقص در نرمافزار وجود دارد که اصلیترین مدل پیشبینی نقص نرمافزار، مدل کلاسهبندی است. در این مقالهیک بررسی سیستماتیک به منظور تجزیه و تحلیل عملکرد تکنیکهای پیشبینی نقص نرمافزار در 15 مطالعه انجام شده است. در بیشتر مطالعات از ترکیب تکنیکهای ماشین یادگیری و شبکه عصبی برای پیشبینی نقص ستفاده شده است.در برخی تکنیکهای به کار رفته جهت بالا بردن دقت مدل از الگوریتمهای تکاملی استفاده شده است. در بیشتر مقالات از مجموعه دادههای ناسا که از برای تجزیه و تحلیل نقص نرمافزار استفاده شده است. هدف اصلی از این مقاله مطالعه روشهای مختلف است که میتواند برای پیشبینی نقص نرم افزار استفاده شود

نقص، پیشبینی، یادگیری ماشین، کلاسهبندی، شبکه عصبی