ارائه مدلی برای انتخاب ویژگی در پیش بینی خطاهای نرم افزار مبتنی بر الگوریتم ممتیک و منطق فازی

امروزه به دلیل هزینه های بالا، انجام آزمون جامع و کامل بر روی تمامی بخش های نرم افزاری امکان پذیر نیست. اما اگر بخش های مستعدخطا قبل از انجام آزمون شناسایی شوند، می توان تمرکز اصلی آزمون را بر روی این بخش ها قرار داد که منجر به صرفه جویی در هزینه ها می شود. شناسایی بخش های مستعدخطا، هدف اصلی پیش بینی خطا در نرم افزار است. یک مدل پیش بینی کننده، بخش های نرم افزاری به همراه ویژگی های آن ها را به عنوان ورودی دریافت کرده و پیش بینی می کند که کدام یک از آن ها مستعدخطا هستند. معمولا برای ساخت این مدل ها از فنون یادگیری ماشین استفاده می شود که عملکرد این فنون، بسیار وابسته به مجموعه داده آموزشی است. مجمعه داده آموزشی معمولا دارای ویژگی های نرم افزاری زیادی است که برخی از آن ها نامرتبط و یا افزونه بوده و حذف این ویژگی ها با استفاده از روش های انتخاب ویژگی انجام می گردد. در این تحقیق، روش جدیدی برای انتخاب ویژگی مبتنی بر پوشش ارایه شده که از الگوریتم ممتیک، تکنیک جنگل تصادفی و معیار جدید مبتنی بر سیستم استنتاج فازی استفاده می کند. نتایج بررسی نشان می دهد که معیار ارزیابی فازی ارایه شده، عملکرد بهتری را نسبت به معیارهای موجود داشته و باعث بهبود کارایی انتخاب ویژگی می شود. هدف نهایی این تحقیق، رسیدن به یک مدل قدرتمند پیش بینی کننده خطاهای نرم افزاری با کارایی بالا بودهو نتایج مقایسه نشان می دهد که مدل ارایه شده، دارای عملکرد و کارایی بالاتری نسبت به دیگر مدل ها است.