ارایه مدل ترکیبی پیش بینی نقص نرم افزار

یکی از مهمترین دغدغه های مهندسین نرم افزار تولید نرم افزار بدون نقص و یا با حداقل نقوص ممکن است، و دراین خصوص روش های پیش بینی نقص بسیار مفید و کارآمد ظاهر شده اند. پیش بینی نقص های موجود در محصول نرمافزاری سبب بهبود فرآیند تولید، تست و نگهداری نرم افزار می شود. تا کنون روش های آماری و یادگیری ماشین برایپیش بینی نقص نرم افزاری مورد استفاده قرار گرفته اند که به جهت پیچیدگی های موجود در این حوزه روش هاییادگیری ماشین موفق تر عمل کرده اند.در این مقاله سعی شده با ترکیب سه الگوریتم ژنتیک، درخت تصمیم و شبکهعصبی، دقت و زمان اجرا را بهبود ببخشیم و برای اعتبار سنجی مدل آن را بر روی مجموعه داده ای منتخب از پایگاه دادهناسا پیاده سازی کرده ایم و با معیار های متداول در این حوزه سنجیده ایم. نتایج به دست آمده بهبود در سرعت و دقت رانشان می دهند.

Keywords:

پیش بینی نقص نرم افزار , الگوریتم ژنتیک , درخت تصمیم , شبکه عصبی