انجام عملیات کپی کردن کد برای استفاده مجدد از آن، یکی از رایج ترین فعالیت ها در حوزه توسعه نرم افزار به شمار می رود. از طرفی انجام این عمل زمان توسعه نرم افزار را کاهش می دهد و از طرف دیگر مشکلات مربوط به ناسازگاریِ میان قطعه کدهای کپی شده و مدیریت آن ها، فعالیت های مربوط به نگهداری نرم افزار را بیشتر و زمان آن را طولانی تر می کند و حتی سبب بروز خطا در برنامه می شود. مطالعات اخیر نشان می دهد که در طول تکامل یک نرم افزار، تنها بخش کوچکی از کلون های نوع سوم، به صورت سازگار تغییر می یابند؛ بنابراین پیش بینی دقیق اینکه آیا یک قطعه کلون نوع سوم به صورت سازگار تغییر می یابد یا ناسازگار، می تواند در توسعه بهتر نرم افزار و کاهش اثرات منفی آن موثر باشد. در این پایان نامه ما یک روش جدید مطرح می کنیم که به طور خودکار و با توجه به تغییرات نحوی، پیش بینی می کند که آیا قطعه کلون تغییریافته، سازگار است یا ناسازگار. ما بر این باوریم که ویژگی های مربوط به نحوِ برنامه در تشخیص سازگاریِ قطعه کلون ها به عنوان یکی از اصلی ترین عوامل تشخیصی عمل می نماید؛ بنابراین بر مبنای چندین ویژگی نحوی ِاستخراج شده، ما از مدل درخت طبقه بندی، یک تکنیک یادگیری ماشین، استفاده می کنیم تا پیش بینی کنیم آیا تغییرات حاصل در قطعه کلون های نوع سوم، سازگار است یا ناسازگار. برای ایجاد این مدل، ما از یک سیستم نرم افزاری بلوغ یافته استفاده می کنیم تا به وسیله آن، مدل درخت طبقه بندی را ایجاد نماییم. همچنین ما به سه سوال تحقیقاتی مهم پاسخ می دهیم. مدل پیش بینی کننده با دقت 19/85 می تواند الگوی تغییر، در کلاس های کلون نوع سوم را پیش بینی نماید. نتایج ارزیابی نشان می دهد که این مقدار در مقایسه با سه روش طبقه بندی ماشین بردار پشتیبان، بیز و شبکه های بیزی از دقت بالاتری برخوردار است.