پیش بینی نقص نرم افزار بر اساس انتخاب ویژگی

پیش بینی نقص نرم افزار Software Defect Prediction : SDP یکی از زمینه های تحقیقاتی فعال در مهندسی نرم افزار است که با انجام تجزیه و تحلیل آماری داده ها به یافتن نقص ها می پردازد تا به طور موثر عیوب را در نرم افزار پیش بینی کند و در نتیجه به کاهشزمان و هزینه در آزمون نرم افزار کمک کند. با این حال، ویژگی های اضافی و نامربوط در مجموعه داده های نقص نرم افزار وجود دارد که برعملکرد پیش بینی کننده های نقص تاثیر می گذارد. امروزه اندازه پروژه های نرم افزاری بزرگ تر شده و اهمیت پیش بینی نقص و روش های آنبسیار بالا رفته است. به منظور شناسایی و حذف نقص ها در نرم افزار از الگوریتم های زیادی استفاده می شود که در این مقاله به شرح یکی از الگوریتم ها انتخاب ویژگی مبتنی بر خوشه با عنوان ReliefF پرداخته شده. سپس، همبستگی بین ویژگی ها بر اساس عدم قطعیت متقارن محاسبه می شود. با توجه به درجه همبستگی RFC ویژگی ها را بر اساس الگوریتم k-medoids به k خوشه تقسیم می کند و در نهایت ویژگی های نماینده هر خوشه را بر ای تشکیل زیرمجموعه ویژگی نهایی انتخاب می کند.

کلیدواژه ها:

پیش بینی نقص ، نقص نرم افزار ، انتخاب ویژگی ، ، defect prediction ، feature selection