ارایه یک مدل ترکیبی هوشمند بمنظور پیش بینی نقص نرم افزار

پیش بینی نقص های موجود در محصول نرم افزاری یکی از مسایل قابل توجه در زمینه مهندسی نرم افزار می باشد که کمک حایز اهمیتی در صرفه جویی زمانی در فرآیند تولید نگهداری نرم افزار به ما می کند. از آنجا که پیچیدگی محدودیت های توسعه نرم افزار رو به رشد می باشد از طرف دیگر عواقب ناخوشایندی از قبیل خرابی خطا، کیفیت نرم افزار همچنین سطح رضایت مشتری را کاهش می دهد، تولید نرم افزار بدون خطا بسیار دشوار چالش برانگیز است. یکی از مدل های کارا در این زمینه، شبکه های عصبی چندلایه با الگوریتم آموزشی مناسب است.در این مقاله به منظور بهبود افزایش قابلیت تعمیم الگوریتم آموزش در پیش بینی نقص نرم افزار، از روش تنظیم شبکه های عصبی چندلایه استفاده شده است. همچنین به منظور حل مشکلات موجود، با توسعه روش های جدید آموزشی بر اساس اصول ماشین بردار پشتیبان بهره گیری از الگوریتم های تکاملی روشی جدید ارایه می شود. کارایی الگوریتم پیشنهادی در برابر مدل یادگیری ماشین روشهای آماری در چهار مجموعه داده ناسا ارزیابی شده است. نتایج نشان می دهد که الگوریتم پیشنهادی صحت دقت بالاتری نسبت به سایر مدل ها دارد.

کلیدواژه ها:

پیش بینی نقص نرم افزار ، شبکه های عصبی ، ماشین بردار پشتیبان