الفهرس 
IntroductionOnly 14 pages are availabe for public view
 |  | from | 112 |  |  |
| | | from | 112 | | |
Abstract
تعتبر عيوب البرامج مشكلة حرجة في مجتمع هندسة البرمجيات حيث يتسبب فى مخرجات و نتائج غير صحيحة مما يؤثر تأثيراً سلبياً على جودة وموثوقية البرمجيات. لذا يجب التنبؤ بهذه العيوب في المراحل الأولى من تطوير البرمجيات. تستخدم تقنيات الكشف عن عيوب البرامج (SDD) للتغلب على هذه المشكلة من قبل الباحثين حيث تتيح هذه التقنيات التنبؤ بمدى تعرض وحدات البرنامج للخطأ. تقدم هذه الرسالة اقتراح وتطوير نموذجين للكشف عن العيوب مع الحصول علي أداء عالي للنظام وقدرة علي التعميم واستخدامه لمجموعات بيانات اخري حيث قمنا في النموذج الاول بتقليل الأبعاد والاحتفاظ بالخصائص المهمة والتي لها علاقه وثيقة بالهدف عن طريق استخدام تقنيات استخراج البيانات حيث تم استخدام خوارزم PCA لعمل ذلك كما تم ايضا حل مشكله عدم توازن البيانات حتي لايحدث تحيز و إنحراف للبيانات تجاه فئة بيانات عن الاخري والذان لهما تأثير هام وكبير علي جودة النموذج عن طريق استخدام نموذج هجين يدعي SMOTE-ENN . بعد ذلك قمنا بتقسيم البيانات باستخدام طريقة 10 fold cross validation والتي تمكنا من تدريب واختبار النموذج علي جميع قيم مجموعة البيانات المستخدمة مما يساعدنا في التغلب علي مشكلتي Overfitting, Underfitting . ايضا قمنا بتدريب وتعليم النظام باستخدام مصنفات استخدمت في الابحاث السابقة واثبتت جدارتها في التعلم وهى: SVM, KNN, DT, RF, ET, and Stacking وتم اختبار وتقييم هذا النموذج المقترح باستخدام 5 مقاييس: Accuracy Recall, F-measure, AUC, and G-mean. أما النموذج الثانى المقترح فى الرسالة للكشف عن عيوب البرامج يقوم بحل مشكلة عدم توازن البيانات حيث تم إستخدام نموذج هجين يدعي SMOTE-SVM من تقنيتى SVM وSMOTE مع ضبط معاملات هذا النموذج والتي لها تأثير هام وملحوظ فى تطبيق طريقة الخوارزم المقترح . من خلال تطبيق طريقة استخدام تقنيات التحسين Optimization Technique، تم إستخدام خوارزم NDSGA-II ولزيادة سرعته تم الاعتماد علي تقنيةHyperband . تم تقسيم البيانات المستخدمة فى قاعدة البيانات باستخدام طريقة 10 fold cross validation وتدريب وتعليم النموذج بإستخدام مصنفات التعليم المدرب: SVM, DT, RF, Bagging, and Adaboost وتم اختبار وتقييم النموذج باستخدام المقاييس التاليةAccuracy .Recall, F-measure, and AUC, حيث اظهرت نتائج التجارب العملية دقة النماذج المقترحة.