استفاده از ترکیب ماشین بردار پشتیبان و الگوریتم ژنتیک برای افزایش دقت در تشخیص خطای نرم افزار

از آن جایی که اکثر نقص های یک محصول نرم افزاری فقط در بخش کوچکی از ماژول های آن یافت می شوند، با تشخیصزودهنگام مستعداشکال بودن ماژول ها، توسعه دهندگان نرم افزار می توانند منابع محدود موجود را برای آزمون دقیق ماژول های مستعد اشکال تخصیص دهند تا یک نرم افزار با کیفیت بالا، به موقع و سازگار با بودجه مورد نظر، تولید شود. در حال حاضر روشهای یادگیری ماشین بسیاری بر روی دادگان ارزیابی پیش بینی اشکال نرم افزار، جهت افزایش دقت آنها، بکار گرفته شده است. مسئله این تحقیق، استفاده از ماشین بردار پشتیبان در ترکیب با الگوریتم ژنتیک جهت افزایشدقت در تشخیص خطای نرم افزار است.

کلیدواژه ها:

پیش بینی خطای نرم افزار ، یادگیری ماشین ، بردار ماشین پشتیبان ، الگوریتم ژنتیک