سمینار روش های پیش بینی و تخمین نقص نرم افزار با استفاده از داده کاوی

در این پست سمینار روش های پیش بینی و تخمین نقص نرم افزار با استفاده از داده کاوی قرار داده شده است. پیش بینی و تخمین نقص نرم افزار یا Software Defect Prediction یکی از مراحل توسعه نرم افزار است که مربوط به کیفیت نرم افزار می شود. با توجه به‌اندازه و پیچیدگی بالا در فرآیند توسعه نرم‌افزار، توسعه وتواید یک نرم‌افزار بدون نقص دشوار است. از آنجایی که در پروژه‌ها امکان رخداد خطاهای مشابه با خطاهای پروژه‌های گذشته وجود دارد برای دسته‌بندی مؤلفه‌های نرم‌افزار، مدلی ساخته می‌شود که برای ساخت این مدل و آموزش دسته‌بندی از تکنیک‌های یادگیری ماشین و دیتاست پروژه‌های پیشین استفاده می‌شود.

سمینار روش های تخمین نقص نرم افزار با استفاده از داده کاوی

در این سمینار سعی شده به بررسی روش‌های دسته‌بندی مؤلفه‌های نرم‌افزاری و دسته‌بندی مدل‌های یادگیری ماشین که در بهبود دقت پیش‌بینی ماژول‌های مستعد نقص استفاده‌شده است، پرداخته شود. هدف ما بررسی روش‌های یادگیری ماشین که تاکنون در این حوزه ارائه‌شده است هست تا بتوانیم اولویت‌های پژوهشی در این حوزه را مشخص کنیم.

چکیده مطلب پیش بینی و تخمین نقص نرم افزار

با توسعه فن‌آوری کامپیوتر، سیستم های نرم‌افزاری بیشتر و پیچیده‌تر می‌شود. به علت محدودیت توانایی انسان، نقایص زیادی در چرخه حیات توسعه نرم‌افزاری وجود دارد. کیفیت یکی از مسائل مهم در فرآیند تولید و توسعه نرم‌افزار است. جهت افزایش کیفیت، نقص‌های نرم‌افزار باید قبل از انتشار تشخیص داده شود. پیش‌بینی و تشخیص نقص‌ها در مراحل اولیه توسعه نرم‌افزار سبب افزایش کیفیت محصول تولیدی نرم‌افزار می‌شود یکی از مؤثرترین پیش‌بینی‌های نقص نرم‌افزار استفاده از تکنیک‌های داده‌کاوی و الگوریتم‌های یادگیری ماشین است. در این روش‌ها مؤلفه‌های نرم‌افزاری در دو دسته مستعد نقص و غیر مستعد نقص قرار می‌گیرند.

رویکردهای و روش‌های مختلفی در یادگیری ماشین وجود دارد. در این سمینار چهار رویکرد یادگیری ماشین شامل روش‌های مبتنی بر نرمال‌سازی، روش‌های مبتنی بر یادگیری نامتوازن، روش‌های مبتنی بر انتخاب ویژگی و روش‌های مبتنی بر یادگیری تلفیقی موردبحث و بررسی قرار می‌گیرند.

واژه های کلیدی: پیش‌بینی نقص نرم‌افزار، داده‌کاوی، یادگیری ماشین، دسته‌بندی

مقدمه

برای افزایش کیفیت نرم‌افزار استفاده از روش‌های پیش‌بینی نقص نرم‌افزار روزبه‌روز افزایش یافته و در این میان الگوریتم‌های یادگیری ماشین می‌توانند روش‌هایی را ارائه دهند که قبل از توسعه نرم‌افزار نقص‌های احتمالی تشخیص داده‌شده و اقدام به اصلاح آن‌ها کرد. به‌طورکلی پیش‌بینی نقص نرم‌افزار با سه روش تخمین تعداد نقص‌های باقیمانده در سیستم نرم‌افزاری، کشف روابط موجود بین نقص‌ها و دسته‌بندی مؤلفه‌های نرم‌افزاری در دو کلاس مستعد نقص و غیر مستعد نقص، تمرکز دارد.

درروش تخمین تعداد نقص‌های باقیمانده در سیستم نرم‌افزاری در مراحل طراحی و نیازمندی اسنادی توسط طراحان نرم‌افزاری که ویژگی‌های طراحی و نیازمندی را شرح می‌دهند آماده می‌شود. این اسناد توسط چندین کارشناس بررسی می‌شود. هرکدام از کارشناسان قبل از تائید نهایی اسناد به مسائلی که باید حل شود تمرکز می‌کنند. فهرستی از تمام بررسی‌های انجام‌شده تهیه می‌شود. اگر میزان همپوشانی مسائلی که در بررسی‌های انجام‌شده کشف نشده‌اند، کوچک باشد اجازه رفتن به مرحله بعدی داده می‌شود.

درروش کشف روابط موجود بین نقص‌ها، ناقص یا غیر ناقص بودن ماژول نرم‌افزاری از طریق روش‌های مبتنی بر استخراج قوانین انجمنی تشخیص داده می‌شود؛ اما اصلی‌ترین روش پیش‌بینی نقص نرم‌افزار روش سوم یعنی دسته‌بندی مؤلفه‌های نرم‌افزاری در دو کلاس مستعد نقص و غیر مستعد نقص هست. در این روش از الگوریتم‌های یادگیری ماشین استفاده می‌شود.

درروش دسته‌بندی با توجه به سابقه ماژول ناقص مدلی استخراج می‌شود که بر اساس آن بتوان با دقتی مناسب پیش‌بینی نقص در ماژول جدید را انجام داد. یافته‌های قبلی بر اساس یادگیری از متریک‌های به‌دست‌آمده از ماژول‌های نرم‌افزاری نشان می‌دهد ارتباط قوی بین این متریک‌ها و پیش‌بینی نقص وجود دارد.

فهرست مطالب موجود در سمینار نقص نرم افزار و داده کاوی

در ادام فهرست مطالب موجود در سمینار پیش بینی و تخمین نقص نرم افزار با استفاده از داده کاوی در دو فصل آورده شده است:

فصل اول: کلیات سمینار

• مقدمه
• بیان مسئله
• اهداف سمینار

فصل دوم: روش های پیش بینی نقص نرم افزار

• مقدمه
• دیتاست های ارزیابی شده در پیش بینی نقص نرم افزار
  • دیتاست ارزیابی ناسا
  • دیتاست ارزیابی Eclipse
  • دیتاست ارزیابی ReLink
  • دیتاست ارزیابی AEEEM
• معیار های ارزیابی مدل های پیش بینی نقص نرم افزار
• نحوه اعتبار سنجی دیتاست ها
• انواع روش های پیش بینی نقص نرم افراز
  • روش های مبتنی بر نرمال سازی داده ها
  • روش های مبتنی بر یادگیری نامتوازن
    • رویکرد در سطح داده
    • رویکرد در سطح الگوریتم
    • رویکرد یادگیری حساس به هزینه
  • روش های مبتنی بر انتخاب ویژگی
    • روش‌های مبتنی بر استخراج ویژگی
    • روش‌های مبتنی بر انتخاب زیرمجموعه‌ای از ویژگی‌ها
    • روش‌های فیلتر
    • روش‌های دسته‌بندی
  • روش های مبتنی بر یادگیری تلفیقی
• نتیجه گیری

درباره محصول

سمینار روش های پیش بینی و تخمین نقص نرم افزار با استفاده از داده کاوی در 37 صفحه در قالب word و بصورت زیپ شده و کامل قابل دانلود می باشد. این محصول به صورت کامل و روان در مورد پیش بینی و تخمین نقص نرم افزار است و توسط کارشناسان پی استور بازنگری و تایید شده می باشد.

این محصول دارای نشان تضمین کیفیت پی استور می باشد. برای دانلود محصول آن ر ا خریداری فرمایید. به محض خرید محصول لینک دانلود در دسترس خواهد بود. در صورت بروز هرگونه مشکل با واحد فروش پی استور تماس حاصل فرمایید.

مطالب مرتبط با داده کاوی