هومن کاشانیان - دانشگاه آزاد اسلامی فردوس، ایران
صدف روستایی - دانشگاه آزاد اسلامی فردوس، ایران
هانیه علیدوست - دانشگاه آزاد اسلامی فردوس، ایران
نسرین باقرزاده عجمی - دانشگاه آزاد اسلامی فردوس، ایران

پیش بینی معایب نرم افزاری، قابلیت اطمینان نرم افزار و کاهش هزینه های توسعه را می تواند بهبود دهد. مدل پیش بینی سنتی معمولا از دقت پیش بینی پایین تری برخوردار است. به منظور حل این مشکل، یک سیستم خبره برای پیش بینی معایب نرم افزاری با استفاده از روش ترکیب اطلاعات با نظریه دمپستر_شافر ارائه شده است. ما ساختار دمپستر_ شافر را برای ارائه چارچوب ریاضی جهت مدل سازی معرفی می نمایم، سپس نقش آن را در فرآیند تصمیم گیری در شرایط مبهم جهت پیش بینی معایب نرم افزار مورد بررسی قرار خواهیم داد. این مقاله به بررسی شناسایی معایب نرمافزاری میپردازد و هدف آن بهبود نتایج پیشبینی با استفاده از روش ترکیب اطلاعات در شرایط مبهم میباشد. آزمایشات با استفاده از ۵ مجموعه داده ناسا صورت گرفته است که نتایج نشان میدهد با استفاده از نظریه دمپستر -شافر از شواهد، می توان نتایج پیش بینی را بهبود داد .

نظریه دمپستر شافر، شناسایی معایب نرمافزار، ترکیب اطلاعات، مهندسی نرمافزار