پیش‌بینی نقص‌های نرم‌افزاری با استفاده از روش‌های نیمه نظارتی

نوع: Type: پایان نامه

مقطع: Segment: کارشناسی ارشد

عنوان: Title: پیش‌بینی نقص‌های نرم‌افزاری با استفاده از روش‌های نیمه نظارتی

ارائه دهنده: Provider: سجاد آسال - مهندسی کامپیوتر

اساتید راهنما: Supervisors: دکتر مرتضی یوسف‌صنعتی

اساتید مشاور: Advisory Professors:

اساتید ممتحن یا داور: Examining professors or referees: دکتر مهدی سخایی نیا - دکتر وحید نصرتی

زمان و تاریخ ارائه: Time and date of presentation: ساعت 8:30 - 1403/6/21

مکان ارائه: Place of presentation: کلاس 30

چکیده: Abstract: پیش‌بینی دقیق و بهنگام نقص‌های نرم‌افزاری، یکی از چالش‌های اساسی در مهندسی نرم‌افزار است که به طور مستقیم بر کیفیت، قابلیت اطمینان و هزینه‌های توسعه تأثیرگذار است. در این پژوهش، باهدف غلبه بر محدودیت‌های روش‌های سنتی پیش‌بینی نقص، یک مدل نوآورانه مبتنی بر یادگیری ماشین نیمه نظارتی خودآموز پیشنهاد شده است. این مدل با بهره‌گیری از تکنیک‌های پیش‌پردازش داده‌های هوشمندانه، از جمله نرمال‌سازی ویژگی‌ها با توزیع گوسی برای کاهش نویز و تعادل‌سازی داده‌ها با روش بیش نمونه‌برداری برای رفع مشکل عدم تعادل کلاس‌ها، توانسته است به بهبود قابل‌توجهی در دقت پیش‌بینی دست یابد. همچنین، با استفاده از یک الگوریتم یادگیری خودآموز، مدل قادر به استخراج الگوهای پیچیده و نهفته در داده‌های نرم‌افزاری شده است که این امر به‌ویژه در شرایط کمبود داده‌های برچسب‌گذاری شده، از اهمیت بالایی برخوردار است. نتایج ارزیابی مدل پیشنهادی بر روی مجموعه‌داده استاندارد ناسا نشان می‌دهد که این مدل، به‌ویژه در معیار فراخوانی که نشان‌دهنده توانایی مدل در شناسایی تمامی نمونه‌های دارای نقص است، عملکردی بسیار بهتر از روش‌های سنتی و بدون نظارت داشته است. این بهبود عملکرد، پتانسیل بالای مدل پیشنهادی را در شناسایی زودهنگام نقص‌های نرم‌افزاری و کاهش هزینه‌های ناشی از آن‌ها نشان می‌دهد.

فایل: ّFile: دانلود فایل