پیش بینی میزان تلاش توسعه نرم افزار با استفاده از شبکه عصبی و تبدیل موجک

امروزه نیاز به نرم افزار به طور گسترده ای افزایش و تکنولوژیهای نرم افزاری مدرن به سرعت در حال رشدهستند.بنابراین برنامه ریزی و مدیریت پروژه های نرم افزاری از اهمیت بیشتری نسبت به گذشته برخوردار است.برنامهریزی نامناسب پروژه های نرم افزاری یکی از دلایل اصلی شکست پروژه ها در سالهای اخیر بوده است.یکی از مهمترین فعالیت ها در پروژه های نرم افزاری برآورد منابع موردنیاز در مراحل اولیه پروژه است. میزان تلاش لازم برای توسعه نرمافزار و اندازه نرم افزار از معیارهای مهم در این زمینه هستند. در این مقاله به منظور بالا بردن دقت پیش بینی میزان تلاش نرم افزار از ترکیب شبکه عصبی و تبدیل موجک استفاده می کنیم . بدین منظور از تبدیل موجک گسسته مادر 3 هار برای نرمالیزه کردن داده ها به منظور کاهش سطح نویز داده ها استفاده می کنیم و سپس بوسیله شبکهعصبی پرسپترون چند لایه 4 و با داده های نرمال شده میزان تلاش توسعه نرم افزار پیش بینی می شود. در نهایت نتایج با مدل کوکومو 5 مقایسه می شود. نتایج نشان میدهد که استفاده از شبکه ترکیبی مورد اشاره باعث بهبود دقت پیش بینی تلاش نرم افزار نسبت به مدل کوکومو می شود

کلیدواژه ها:

تبدیل موجک ، شبکه عصبی ، پیش بینی ، کوکومو ، تلاش نرم افزار