هدف پيش بيني نقص نرم افزار با استفاده از شبکه هاي عصبي MLP و RBF

پيش بيني نقص هاي موجود در محصول نرم افزاري يکي از مسائل قابل توجه در زمينه مهندسي نرم افزار مي­باشد که کمک حائز اهميتي در صرفه جويي زماني و در فرآيند توليد و نگهداري نرم افزار به ما مي کند. از آنجا که پيچيدگي و محدوديت هاي توسعه نرم افزار رو به رشد مي باشد و از طرف ديگر عواقب ناخوشايندي از قبيل خرابي و خطا، کيفيت نرم افزار و همچنين سطح رضايت مشتري را کاهش مي دهد، توليد نرم افزار بدون خطا بسيار دشوار و چالش برانگيز است.

يکي از مدل هاي کارا در اين زمينه، شبکه هاي عصبي RBF است. در اين تحقيق براي پيش بيني نقص نرم افزار، از شبکه هاي عصبي RBF استفاده شده است. و ديتابيس بروي روش   MLP نيز اعمال شده است.

معيارهاي ارزيابي عملکرد پيش­ بيني

پارامترهاي استفاده شده جهت ارزيابي شامل: دقت  ، صحت .

صحت: عبارت است از تعداد نمونه هايي که به درستي تشخيص داده مي شوند نسبت به کل نمونه ها

Precision = (TP+ TN)/ (TP+ FP+ TN+ FN)

دقت  : چه ميزان از نمونه هاي انتخابي توسط الگوريتم درست هستند.

Accuracy =TP/ (TP+FP)

عنوان پياده سازي

پيش بيني نقص نرم افزار با استفاده از شبکه هاي عصبي MLP و RBF

دانلود مقاله مرجع

مشخصات شبيه ساز:

کارشناسي ارشد نرم افزار

دانشگاه اراک

محتويات

• فايل شبيه سازي
• گزارش فارسي
• نتايج
• ديتابيس

دانلود