مدل پیشبینی نقص
مدلهای پیشبینی نقص، احتمال بروز اشکالات نرمافزاری در ماژولهای کد را با استفاده از رویکردهای آماری یا یادگیری ماشین پیشبینی میکنند. این مدلها که توسط اوستراند، ویوکر و بل (2005) پیشگام شدند، معیارهای کد (پیچیدگی، تغییرات مکرر، وابستگی) را با دادههای تاریخی نقص مرتبط میسازند تا مولفههای پرخطر را شناسایی کنند. سازمانها از این پیشبینیها برای تخصیص منابع آزمون، هدایت بازبینی کد و اولویتبندی بازسازی استفاده میکنند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Ostrand, T. J., Weyuker, E. J., & Bell, R. M. (2005). Predicting the location and number of faults in large software systems. IEEE Transactions on Software Engineering, 31(4), 340–355. DOI: 10.1109/tse.2005.49 ↗
- Nagappan, N., Ball, T., & Zeller, A. (2006). Mining metrics to predict component failures. In Proceedings of the 28th International Conference on Software Engineering (pp. 452–461). DOI: 10.1145/1134285.1134349 ↗
- Menzies, T., Greenwald, J., & Russ, P. (2007). Problems with precision: A response to comments on 'Data mining static code attributes to learn defect predictors'. IEEE Transactions on Software Engineering, 33(9), 637–640. DOI: 10.1109/tse.2007.70721 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Software Defect Prediction and Risk Classification. ScholarGate. https://scholargate.app/fa/software-engineering/defect-prediction-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ردیابی چابک سرعت (Agile Velocity Tracking)مهندسی نرمافزار↔ compare
- تحلیل پوشش کدمهندسی نرمافزار↔ compare
- معیارهای پیچیدگی نرمافزارمهندسی نرمافزار↔ compare
- تحلیل کد ایستامهندسی نرمافزار↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →