Проектирование метода автоматическое формирование исправлений ошибок программного кода на основе анализа программных репозиториев

СОКРАЩЕНИЯ И ОБОЗНАЧЕНИЯ......................................................

ВВЕДЕНИЕ............................................................................................... 8
1 Обзор и анализ существующих методов исправления ошибок программного обеспечения.....................................................................
10
1.1 Анализ существующих методов выявления ошибок в программном коде............................................................................................................
10
1.2 Обзор современных подходов к применению машинного обучения в анализе программного кода..................................................................
14
1.3 Основные подходы к применению машинного обучения в анализе программного кода...................................................................................
19

2 Проектирование метода автоматическое формирование исправлений ошибок программного кода на основе анализа программных репозиториев....................................................................

25
2.1 Обнаружение аномалий в коде с помощью методов обучения без преподавателя...........................................................................................
25
2.2 Методика применения алгоритмов машинного обучения для выявления ошибок в программном коде................................................
32

3 Разработка применения алгоритмов машинного обучения для выявления ошибок в программном коде................................................
37
3.1 Метод выявления и классификации дефектов в программном коде............................................................................................................
37
3.2 Разработка программы с применением алгоритмов машинного обучения для выявления ошибок в программном коде.........................
41
ЗАКЛЮЧЕНИЕ................................................................................................ 46
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ........................................ 48
ПРИЛОЖЕНИЕ А............................................................................................ 51

Весь текст будет доступен после покупки

Машинное обучение – это способность изучать и прогнозировать событие на основе опыта. Алгоритмы машинного обучения в основном подразделяются на контролируемые и неконтролируемые алгоритмы. Контролируемые алгоритмы будут состоять из выходной переменной, и мы ищем сходство между зависимыми и независимыми переменными. Неконтролируемый алгоритм – это когда мы передаем данные и прогнозируем результат. Алгоритмы используют все данные и выдают результаты. Алгоритм машинного обучения также используется для прогнозирования неопределенности [1].
Актуальность темы дипломной работы. Некоторые алгоритмы машинного обучения используются для прогнозирования ошибки в программном обеспечении, главным образом, на этапе разработки жизненного цикла, главным образом, на этапе идентификации проблемы, планирования, проектирования, разработки, тестирования, развертывания и сопровождения, а также на моделях жизненного цикла разработки программного обеспечения. С помощью алгоритмов машинного обучения и статистического анализа можно прогнозировать ошибки. Для повышения качества в процессе разработки программного обеспечения используются различные методологии [2]. Всякий раз, когда система выходит из строя, возникает программная ошибка. Ошибка программного обеспечения возникает по вине разработчиков и членов команды. Для повышения качества программного обеспечения, сокращения бюджета и экономии времени требуется прогнозирование ошибок программного обеспечения.

Весь текст будет доступен после покупки

1 Обзор и анализ существующих методов исправления ошибок программного обеспечения


1.1 Анализ существующих методов выявления ошибок в программном коде

В программной инженерии сбой – это ошибка или дефект в программе, который приводит к получению некорректных или неожиданных результатов. Сбои могут возникать на различных этапах процесса разработки программного обеспечения, от первоначального проектирования до окончательного развертывания. Распространенные типы сбоев включают ошибки кодирования, недостатки проектирования и ошибки требований. Процесс выявления и устранения неисправностей известен как отладка или устранение неполадок. Предотвращение и обнаружение неисправностей на ранних стадиях процесса разработки может сэкономить время и ресурсы и является важным аспектом обеспечения качества программного обеспечения.
Существует несколько методов, используемых для выявления и устранения ошибок в разработке программного обеспечения, включая:
Обзоры кода: Обзор кода - это процесс, в ходе которого другие разработчики или члены команды просматривают код, написанный разработчиком, для выявления потенциальных ошибок или областей для улучшения. Это может быть сделано вручную или с помощью автоматизированных инструментов.
Тестирование: Тестирование - это процесс оценки системы или ее компонентов с целью определения того, удовлетворяет ли она указанным требованиям или нет. Существует несколько типов тестирования, таких как модульное тестирование, интеграционное тестирование и приемочное тестирование, которые могут помочь выявить ошибки в программном обеспечении.
Отладка - это процесс выявления и устранения неисправностей в программном обеспечении путем анализа исходного кода, данных и выполнения программы. Инструменты отладки, такие как отладчики, могут помочь разработчикам определить источник неисправности и проследить ее по коду.

Весь текст будет доступен после покупки

1. Т. Мензис, Дж. Гринвальд и А. Фрэнк, “Интеллектуальный анализ статических атрибутов кода для определения предикторов дефектов”, IEEE Transactions on Software Engineering, том 33, № 1, стр. 2-13, 2017.
2. В. У. Б. Чаллагулла, Ф. Б. Бастани, И.-Л. Йен и Р. А. Пол, “Эмпирическая оценка методов прогнозирования дефектов программного обеспечения на основе машинного обучения”, Международный журнал по инструментам искусственного интеллекта, том 17, № 02, стр. 389-400, 2018.
3. Л. Го, Ю. Ма, Б. Кукич и Х. Сингх, “Надежное прогнозирование вероятности возникновения сбоев с помощью случайных лесов”, на 15-м Международном симпозиуме по разработке надежности программного обеспечения. ISSRE, 2004. IEEE, 2014, стр. 417-428.
4. Ю. Чжоу и Х. Леунг, “Эмпирический анализ показателей объектно-ориентированного проектирования для прогнозирования ошибок высокой и низкой степени серьезности”, Разработка программного обеспечения, IEEE Transactions on, том 32, № 10, стр. 771-789, 2016.
5. М. Холл, Э. Франк, Г. Холмс, Б. Пфарингер, П. Ройтеманн и И. Х. Виттен, “Программное обеспечение weka для интеллектуального анализа данных: обновление”, информационный бюллетень ACM SIGKDD explorations, том 11, № 1, стр. 10-18, 2019.
6. С. Лессманн, Б. Бейсенс, К. Муз и С. Питч, “Сравнительный анализ классификационных моделей для прогнозирования дефектов программного обеспечения: предлагаемая структура и новые результаты”, Software Engineering, IEEE Transactions on, том 34, № 4, стр. 485-496, 2018.
7. С. Берардинелли и Л. Перро, “Обнаружение ошибок в программном обеспечении”, https://github. com/sdberardinelli/sw-bug-detection, 2015.
8. Д. Коллер и Н. Фридман, Вероятностные графические модели: принципы и методы. Издательство Массачусетского технологического института, 2019.
9. Д. Т. Фам и Г. А. Руз, “Неконтролируемое обучение байесовских сетей для кластеризации данных”, в Трудах Лондонского королевского общества A: Математические, физические и инженерные науки, том 465, № 2109. Королевское общество, 2019, стр. 2927-2948.
10. Р. О. Дуда, П. Э. Харт и Д. Г. Сторк, Классификация паттернов (2-е издание). Wiley-Interscience, 2021.

Весь текст будет доступен после покупки