Ulteriori informazioni
El diseño de un sistema de software inteligente para la predicción de defectos de software (SDP) es un reto importante en el campo de la ingeniería de software utilizando algoritmos de aprendizaje automático, ya que los problemas de desequilibrio de clases causan dificultades para la clasificación de los módulos defectuosos y no defectuosos, por lo que el aprendizaje desequilibrado se ocupa de este problema y también es utilizado por los investigadores, pero lamentablemente con resultados inconsistentes. Para ello, realizamos un experimento exhaustivo para diseñar un sistema de software inteligente utilizando el efecto del aprendizaje desequilibrado en las métricas del conjunto de datos desequilibrados, el tipo de clasificador, las métricas de entrada y el método de aprendizaje desequilibrado. El principal requisito para diseñar un sistema de software inteligente para la predicción de defectos de software suele ser el uso de métodos y marcos que permitan a los ingenieros de software centrarse en las actividades de desarrollo en términos de código propenso a los defectos, mejorando así la calidad del software y haciendo un mejor uso de los recursos. Muchos conjuntos de datos, métodos y marcos de predicción de defectos de software son complejos, por lo que falta una imagen completa de la investigación de predicción de defectos desde la fase de desarrollo.
Info autore
Dr. MANU BANGA, Ph.D. CSE has 18 papers in SCI Journals and guides Ph.D.students in the areas of Artificial Intelligence and Machine Learning. His major areas of specialization in design of Intelligent Information Systems.
