آمار
| تعداد نشریات | 39 |
| تعداد شماره‌ها | 1,175 |
| تعداد مقالات | 8,453 |
| تعداد مشاهده مقاله | 6,343,183 |
| تعداد دریافت فایل اصل مقاله | 3,591,319 |
تخمین میزان خطا خیزی ماژول ها با استفاده از یادگیری ماشین | ||
| پدافند الکترونیکی و سایبری | ||
| مقاله 4، دوره 11، شماره 4 - شماره پیاپی 44، اسفند 1402 | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| رضا ترکاشون1؛ سعید پارسا* 2؛ بابک وزیری3 | ||
| 1گروه آموزشی دانشکده کامپیوتر دانشگاه علم و صنعت ایران | ||
| 2دانشیار، دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران، تهران، ایران | ||
| 3استادیار گروخه نرم افزار دانشگاه ازاد اسلامی واحد تهران مرکز | ||
| تاریخ دریافت: 16 شهریور 1402، تاریخ بازنگری: 15 آذر 1402، تاریخ پذیرش: 01 دی 1402 | ||
| چکیده | ||
| برای آگاهی از میزان کیفیت نرم‌افزار لازم است فاکتورهای مؤثر در کیفیت را اندازه بگیریم. میزان قابلیت اطمینان و تعداد خطا در نرم‌افزار از مهمترین فاکتورهای کیفی هستند. اگر بتوان این فاکتورها را در حین چرخه‌ی توسعه‌ی نرم‌افزار اندازه‌گیری کرد، می‌توان فعالیت‌های مؤثر و بهتری را در راستای بهبود کیفیت نرم‌افزار انجام داد. مشکل اینجاست که این دسته از فاکتورها در مراحل آخر توسعه‌ی نرم‌افزار در دسترس خواهند بود. برای حل این مشکل، این فاکتورها توسط معیارهایی اندازه‌گیری می‌شوند که در چرخه‌ی توسعه‌ی نرم‌افزار به صورت زودهنگام در دسترس هستند. معیارهای اندازه‌گیری شده ورودی های مدل پیش‌بینی خطا هستند و خروجی این مدل، قطعاتی از نرم افزار هستند که احتمال بروز خطا در آن‌ها وجود دارد. پیش‌بینی قطعات مستعد خطا، رویکردی اثبات شده در جهت تخصیص به موقع منابع پروژه، در مرحله‌ی آزمون نرم‌افزار است. هنگامی که یک قطعه به عنوان یک قطعهی مستعد خطا پیش‌بینی می‌شود، تلاش بیشتری برای آزمون و تصحیح آن باید صرف شود. علاوه بر آن قطعه، تمامی قطعات وابسته به آن نیز نیاز به رسیدگی ویژه‌ای دارند. زمانی که یک قطعه تغییر می‌کند تمامی قطعات وابسته به آن نیز ممکن است تحت تأثیر قرار بگیرند. مشکل در این است که معیارهای شناخته شده‌‌ای که در حوزه‌ی پیش‌بینی خطا مورد استفاده قرار می‌گیرند، این وضعیت را در نظر نمی‌گیرند. برای حل این مشکل، در این مقاله معیارهای جدیدی براساس تغییرات در موارد وابستگی ارائه شده است. نتایج تجربی به دست آمده نشان داد هرچه میزان تغییرات در قطعات مورد وابستگی بیشتر باشد، احتمال خطا در قطعهی وابسته بیشتر می‌شود. با ارزیابی‌های صورت گرفته مشاهده شد معیار پیشنهادی قدرت پیش‌بینی نسبتاً بالایی دارد و به کار بردن آن برای ساخت مدل‌های پیش‌بینی خطا نیز افزایش قدرت پیش‌بینی را برای آن‌ها در پی داشت. | ||
| کلیدواژه‌ها | ||
| کیفیت نرم‌افزار؛ پیش‌بینی خطا؛ اندازه‌گیری؛ معیارهای نرم‌افزاری؛ قطعات مستعد خطا؛ تغییر؛ وابستگی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 76 |
||