بهبود دقت پيش بيني تعداد نقص نرم افزار، مبتني بر الگوريتم هاي تلفيقي رگرسيون و درخت تصادفي

وجود نقص ها در سيستم نرم افزاري يك تهديد جدي براي كيفيت نرم افزار به شمار مي رود. زيرا موجب انطباق ناپذيري محصول با نياز مشتري مي شود. پيش بيني نقص نرم افزار يكي از زمينه هاي مهم در مهندسي نرم افزار است كه براي بهبود كيفيت نرم افزار، به كار مي رود. پيدا كردن مدل هاي مطلوب، براي پيش بيني نقص نرم افزار يكي از مهم ترين اهداف مهندسين كامپيوتر است. مسيله اصلي در اين پژوهش، بهبود دقت پيش بيني تعداد نقص در نرم افزار است. به همين منظور سه الگوريتم رگرسيون،شبكه عصبي مصنوعي چند لايه و درخت تصميم به داده ها اعمال شدند. دو الگوريتم رگرسيون و شبكه عصبي مصنوعي چند لايه، كه داراي بيشترين ميزان دقت در اجرا روي داده هاي آموزشي بودند به عنوان الگوريتم پايه براي متد تلفيق انتخاب شدند. خروجي اين دو الگوريتم به روش ميانگين وزني با هم تلفيق شده و براي پيش بيني نهايي روي داده هاي آزمون مورد استفاده قرار گرفتند. ما از سه معيار متوسط خطاي نسبي، متوسط خطاي مطلق و معيار completness براي مقايسه كارآيي الگوريتم ها استفاده كرديم. در نهايت متد تلفيقي با الگوريتم هاي پيشنهادي، در پيش بيني تعداد نقص به ميزان 4 درصد براي مجموعه داده xerces1.4 دقيق تر عمل كرده است.