ارائه یک مدل براساس ترکیب خوشه بندی و طبقه بندی تک کلاسه مبتنی برقواعد برای پیش بینی خطاهای نرم افزارCECIT

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,438

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CECIT01_431

تاریخ نمایه سازی: 14 شهریور 1392

چکیده مقاله:

برای اطمینان ازکیفیت نرم افزارازمون نرم افزار یک مرحله اساسی درمهندسی نرم افزار است که فرایندی پرهزینه و زمان برمیب اشد یکی ازفاکتورهایی که برای کاهش هزینه و بهبود فرایند ازمون نرم افزاربکارمیرود تعیین ماژول ها و یا کلاسهای مستعدخطا می باشد به همین دلیل تکنیکهای مختلفی درزمینه پیش بینی ماژولهای مستعدخطا بهوجود آمده اهست تا عمل ازمون روی ماژولهایی ازنرم افزار معطوف شود که مستعدخطا هستند تحقیقات دراین زمینه بیشتر معطوف به استفاده ازتکنیکهای اماری و یادگیری ماشین برای ایجاد مدلهای پیش بینی خطا بود هاست اما ایراد این روشها این است که علاوه براینکه هنگام مواجه شدن با داده های نامتوازن به درستی عمل نمی کنند قابلیت درک پایینی نیز دارند دراین مقاله با ترکیب الگوریتم خوشه بندی کرنل K-means و الگوریتم بهینه سازی ازدحام ذرات چندهدفه مبتنی برفاصله ازدحامی DSMOPSO یک مدل پیش بینی با استفاده ازمفهوم جوابهای پارتو معرفی شده است درمدل ارایه شده علاوه براینکه قاعده های استنتاج شده توسط الگوریتم قابلیت درک بالای داشته و به اسانی توسط ازمون کننده ها قابل تفسیر می باشد دقت پیش بینی مناسبی نیز درمقایسه با دیگرمدلهای یادگیری ماشین دارد.

کلیدواژه ها:

بهینه سازی ازدحام ذرات چندهدفه ، پیش بینی خطا ، خوشه بندی ، جوابهای پارتو ، قاعده کاوی

نویسندگان

یوسف عبدی

دانشگاه آزاد اسلامی شبستر

سعید پارسا

دانشگاه علم و صنعت

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • باشد. از طرفی چون برای جواب‌ها یا ذره‌های موجود در ...
  • A. Abraham. "Software Metrics and Software metrology", Wiley publication, 2010. ...
  • A. K. Jain. :Data clustering: 50 years beyond K-means, Pattern ...
  • C. Catal, U. Sevim, and B. Diri, "Software Fault Prediction ...
  • C. Catal and B. Diri. "A systematic review of software ...
  • _ _ _ _ multiple objectives with particle _ optimization' ...
  • optimization , In: IEEE International Conference _ Neural Networks, IEEE ...
  • J. Kennedy and R. Eberhart, :Swarm Intelligence", Morgan Kaufmann Publishers ...
  • _ _ _ Progress in Nuclear Energy, Volume 53(3), pages ...
  • optimization , LNCS, vol. 5252, pp. 59-96, 2008. ...
  • K.R. Miller, S. Mika, G. Ratsch, K. Tsuda and B ...
  • (2), pages 181-202, 2001 ...
  • L. Zhongkai and Z. Zhencai, :DSMOPSO A Distance Sorting based ...
  • T. Fawcett, "Using rule sets to maximize ROC ...
  • T. S. Quah and M.M.T Thwin. "Application of neural networks ...
  • M. Alshayeb and W. Li, " An empirical validation of ...
  • P. Rousseeuw. :Silhouettes: a graphical aid to the interpretation and ...
  • _ Basili, L.C. Briand and W.L. Melo, " A validation ...
  • L.C. Briand, J. Wust, J.W Daly and D.V. Porter, "Exploring ...
  • D. M. J. Tax, R. P. W. Dui, _ Uniform ...
  • C. Catal. "Software fault prediction: A literature review and current ...
  • نمایش کامل مراجع