Projetar um Sistema Inteligente de Software para predição de defeitos de software (SDP) é um importante desafio no campo da engenharia de software usando algoritmos de aprendizagem de máquinas como problemas de equilíbrio de classe-imbalanceamento causam dificuldades para a classificação de módulos defeituosos e não defeituosos, por isso a aprendizagem desequilibrada lida com este problema e também utilizado por pesquisadores, mas infelizmente com resultados inconsistentes. Para isso, realizamos uma experiência abrangente para projetar um sistema de software inteligente usando o efeito da aprendizagem desequilibrada sobre as métricas do conjunto de dados de desequilíbrio, tipo de classificador, métricas de entrada e método de aprendizagem desequilibrada. O principal requisito na concepção de um Sistema de Software Inteligente para a previsão de defeitos de software normalmente utiliza métodos e frameworks que permitem aos engenheiros de software concentrarem-se em actividades de desenvolvimento em termos de código propenso a defeitos, melhorando assim a qualidade do software e fazendo melhor uso dos recursos. Muitos conjuntos de dados, métodos e frameworks de previsão de defeitos de software são complexos, portanto, falta um quadro abrangente de pesquisa de previsão de defeitos da fase de desenvolvimento.

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.