گزارش کارشناسی ارشد مهندسی نرم افزار و داده کاوی|پیش‌بینی خطاپذیری ماژول‌های نرم‌افزاری با استفاده از الگوریتم‌های یادگیری ماشین

13,000 تومان

عنوان مقاله: پیش‌بینی خطاپذیری ماژول‌های نرم‌افزاری با استفاده از الگوریتم‌های یادگیری ماشین
تعداد صفحات: 50 صفحه
این گزارش می تواند به عنوان سمینار و گزارش در پروژه های مهندسی نرم افزار و داده کاوی کارشناسی ارشد و دکترا نرم افزار به کار برده شود.

Continue Shopping

توضیحات

دانلود مقاله اصلی

عنوان اصلی مقاله:Software fault prediction metrics: A systematic literature review

تعداد صفحات مقاله اصلی: 22 صفحه

سال چاپ:2013

عنوان ژورنال: Information and Software Technology

ایمپکت فاکتور ژورنال: 2.627

توضیح مختصر در چکیده:

امروزه با توجه به رشد نرم‌افزارها ازنظر اندازه و پیچیدگی ، حفظ کیفیت بالای محصول نرم‌افزاری ، یکی از مهم‌ترین مشکلات پیش روی صنعت نرم‌افزار است . پیش‌بینی کننده‌های خطا ابزارهای مناسب و مقرون‌به‌صرفه برای رفع این مشکل هستند. ازآنجایی‌که اکثر نقص‌های یک محصول نرم‌افزاری فقط در بخش کوچکی از ماژول‌های آن یافت می‌شوند، با تشخیص زودهنگام مستد خطا بودن ماژول‌ها ، توسعه‌دهندگان نرم‌افزار می‌توانند منابع محدود موجود را برای آزمون دقیق ماژول‌های مستعد خا تخصیص دهند تا یک نرم‌افزار باکیفیت بالا به‌موقع تولید شود. برای پیش‌بینی خطاپذیری ماژول‌های نرم‌افزاری به متریک‌های نرم‌افزاری نیاز است. پژوهش‌های زیادی برای یافتن ارتباط متریک‌های نرم‌افزار و مستعد خطا بودن  ماژول‌ها انجام‌گرفته است. ازآنجایی‌که رابطه بین متریک‌های نرم‌افزار و مستعد خطا بودن ماژول‌های آن پیچیده و غیرخطی است ، در مطالعات اخیر از الگوریتم‌های یاد گری ماشین برای مدل‌سازی پیش‌بینی ماژول‌های نقص دار پیشنهادشده است، قوانین وابستگی رابطه‌ای فرمتی از قوانین وابستگی ترتیبی هستند که یک  نوع خاص از قوانین وابستگی می‌باشند و ترتیب عددی بین ویژگی‌هایی را توصیف می‌کنند که معمولاً در یک مجموعه داده رخ می‌دهند  و نتایج حاصل از ارزیابی مدل ارائه‌شده بر روی دیتا ست‌های ناسا و مقایسه با روش‌های مشابه ، پتانسیل بالای آن را بر اساس متریک‌های دقت ، صحت و ..نشان می‌دهد.

 

 

نقد و بررسی ها

هیچ دیدگاهی برای این محصول نوشته نشده است .

اولین کسی باشید که دیدگاهی می نویسد “گزارش کارشناسی ارشد مهندسی نرم افزار و داده کاوی|پیش‌بینی خطاپذیری ماژول‌های نرم‌افزاری با استفاده از الگوریتم‌های یادگیری ماشین”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *