تابعی اکتشافی برای بهبود دقت پیش بینی برنامه های جهش یافته آشکار کننده خطا

آزمون جهش روشی قدرتمند است که در آزمون نر افزار استفاده می شود. تعداد زیاد برنامه های جهش یافته، مقیاس پذیری و تعداد زیاد برنامه های جهش یافته غیر مرتبط با خطای واقعی اعتبار آن را تهدید می کند. برای مواجه شدن با تهدیدهای گفته شده، اخیرا رویکردی مبتنی بر یادگیری ماشین برای شناسایی برنامه های جهش یافته آشکار کننده خطا پیشنهاد شده است. در این پژوهش، یک تابع اکتشافی برای کاهش داده های مجموعه آموزش پیشنهاد شده است که در ترکیب با سایر روش ها توانسته AUC را روی دو مجموعه داده Codeflaws و CoREBench حدود %۲ بهبود دهد.

کلیدواژه ها:

آزمون جهش ، آزمون نرمافزار ، برنامه های جهش یافته آشکار کننده خطا ، یادگیری ماشین