ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Software Defect Prediction based on Adaptive Supervised Machine Learning

العنوان بلغة أخرى: تنبؤ خلل البرمجيات وفقا للتعلم الآلي الموجه
المؤلف الرئيسي: الرواشدة، حنين عبدالسيد (مؤلف)
مؤلفين آخرين: العبادي، محمد علي حسين (مشرف)
التاريخ الميلادي: 2017
موقع: مؤتة
الصفحات: 1 - 55
رقم MD: 954820
نوع المحتوى: رسائل جامعية
اللغة: الإنجليزية
الدرجة العلمية: رسالة ماجستير
الجامعة: جامعة مؤتة
الكلية: عمادة الدراسات العليا
الدولة: الاردن
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

39

حفظ في:
المستخلص: يعد الكود المصدري اللبنة الأساسية لبناء أي نظام من الأنظمة المستخدمة في حياتنا، حيث إن أغلب الأنظمة الأوتوماتيكية مبنية بشكل أساسي على الكود المكتوب بإحدى لغات البرمجة. التزايد السريع لهذه الأنظمة يتناسب مع الحاجة إلى كتابة المزيد من البرامج، وهكذا فإن كفاءة أي نظام وقدرته على القيام بالمهام المناطة به تعتمد على خلو البرنامج المصدري من الأخطاء. يعتبر أداء البرمجيات أهم العوامل في تحديد مدى جودة المنتج أو النظام، ولذلك زاد اهتمام مطوري الأنظمة بمرحلة تقييم البرنامج والتنبؤ بحدوث الأخطاء قبل تنفيذه، لما لهذه الخطوة من أهمية كبيرة في توفير الوقت والمال والجهد والمكونات الخام للنظام. هذه الرسالة تهدف إلى تسليط الضوء على الأنظمة المختصة بالتنبؤ بحدوث الأخطاء في أي برنامج مكتوب بأي لغة برمجة، حيث إن هذه الأنظمة تواجه مشكلتين أساسيتين هما الوقت المستهلك للتنبؤ بالخطأ وكفاءة هذا التنبؤ. ولتخطي هذه التحديات قمنا باستخدام خوارزميات تعلم الألة لتصنيف ما إذا كان البرنامج يحتوي على خطأ أم لا، بالاعتماد على مجموعة من الميزات المستخرجة من البرنامج المصدري والمخزنة على شكل عينه. اعتمدت دراستنا التحليلية على أربعة عينات مختلفة وهي حيث أن كل واحدة من هذه العينات تحتوي عدد مختلفا من المقاطع. اقترحت خمسة نماذج لإجراء التجارب التحليلية للتقييم، النماذج الثلاثة الأولى اعتمدت على تحسين الأداء من خلال تعديل خصائص المصنف نفسه، أما النموذجين الأخيرين اهتما بتحسين أداء النظام اعتمادا على تقليل حجم البيانات وتنظيفها وإزالة القيم القصوى منها.

عناصر مشابهة