ارائه مدلي براي انتخاب ويژگي در پيش بيني خطاهاي نرم افزار مبتني بر الگوريتم ممتيك و منطق فازي

امروزه به‌دليل هزينه‌هاي بالا، انجام آزمون جامع و كامل بر روي تمامي بخش‌هاي نرم‌افزاري امكان‌پذير نيست. اما اگر بخش‌هاي مستعدخطا قبل از انجام آزمون شناسايي شوند، مي‌توان تمركز اصلي آزمون را بر روي اين بخش‌ها قرار داد كه منجر به صرفه‌جويي در هزينه‌ها مي‌شود. شناسايي بخش‌هاي مستعدخطا، هدف اصلي پيش‌بيني خطا در نرم‌افزار است. يك مدل پيش‌بيني‌كننده، بخش‌هاي نرم‌افزاري به همراه ويژگي‌هاي آن‌ها را به عنوان ورودي دريافت كرده و پيش‌بيني مي‌كند كه كدام يك از آن‌ها مستعدخطا هستند. معمولا براي ساخت اين مدل‌ها از فنون يادگيري ماشين استفاده مي‌شود كه عملكرد اين فنون، بسيار وابسته به مجموعه داده آموزشي است. مجمعه داده آموزشي معمولا داراي ويژگي‌هاي نرم‌افزاري زيادي است كه برخي از آن‌ها نامرتبط و يا افزونه بوده و حذف اين ويژگي‌ها با استفاده از روش‌هاي انتخاب ويژگي انجام مي‌گردد. در اين تحقيق، روش جديدي براي انتخاب ويژگي مبتني بر پوشش ارائه شده كه از الگوريتم ممتيك، تكنيك جنگل تصادفي و معيار جديد مبتني بر سيستم استنتاج فازي استفاده مي‌كند. نتايج بررسي نشان مي‌دهد كه معيار ارزيابي فازي ارائه شده، عملكرد بهتري را نسبت به معيارهاي موجود داشته و باعث بهبود كارايي انتخاب ويژگي مي‌شود. هدف نهايي اين تحقيق، رسيدن به يك مدل قدرتمند پيش‌بيني‌كننده خطاهاي نرم‌افزاري با كارايي بالا بودهو نتايج مقايسه نشان مي‌دهد كه مدل ارائه شده، داراي عملكرد و كارايي بالاتري نسبت به ديگر مدل‌ها است.