سیستمهای تشخیص خودکار محلهای احتمالی خطاهای نرم افزاری

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,324

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCCIT01_018

تاریخ نمایه سازی: 17 اردیبهشت 1391

چکیده مقاله:

یکی از وقت گیرترین مراحل تولید نرم افزار زمان تست و اشکال زدایی آن است امروزه تشخیص خطاهای نرم افزاری یک از مسائل مطرح در زمینه مهندسی نرم افزار است و کمک شایانی درصرفه جویی زمانی درفرایند تولید و نگهداری نرم افزار به ما می کند بررسیدستی یک نرم افزار برای تشخیص خطا امری بسیاری پیچیده و وقت گیر است لذا سیستمهای تشیخص خطا جایگزین بسیاری از بررسیهای دستی شدند دراین سیستم ها با استفاده از معیارهای نرم افزاری که قبلا محاسبه شده اند و روشهای داده کاوی به تشخیص محلهای احتمالی خطا می پردازند دراین مقاله ما به مطالعه سیستمهای کشف خطای موجود می پردازیم و راهکارهای موجود را بررسی می کنیم تاریخچه و روشهای بکاررفته در سیستمهای کشف خطا را بررسی می کنیم معیارهای نرم افزاری و مخزن داده های نمونه و همچنین معیارهای کارایی به کار رفته دراین سیستمها را بررسی خواهیم کرد

نویسندگان

علی اصغر شهرجوی حقیقی

دانشجوی کارشناسی ارشد گروه کامپیوتر دانشگاه آزاد اسلامی خوزستان

ماشاالله عباسی دزفولی

عضو هیئت علمی گروه کامپیوتر واحد علوم و تحقیقات خوزستان

سیدمصطفی فخراحمد

هیئت علمی گروه کامپیوتر دانشگاه آزاد اسلامی واحد شیراز

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 :
  • "مدل‌سا ز ی یک سیستم کشف خطا ها ی نرم ...
  • Munson J., Nikora A., Sherif J., 2006, Software faults: A ...
  • L.C. Briand; W.L. Melo; J. Wu: st; "Assessing the Applicability ...
  • T. Menzies; J. DiStefano; A. Orrego; R. Chapman; "Assessing Predictors ...
  • N. Nagappan; T. Ball; B. Murphy; "Using Historical Data and ...
  • L. Briand:; "Measuremen and Modeling in Software Engineering", presented at ...
  • F. Shull; V. Basili; B. Boehm; A. Brown; P. Costa; ...
  • M. Chapman; P. Callis; W. Jackson; "Metrics Data Program", NASA ...
  • T. Menzies; J. Greenwald; A.Frank; "Data Mining Static Code Attributes ...
  • A. Porter; R. Selby; "Empirically Guided Software Development Using Metric-Based ...
  • A. Porter; R. Selby; "Evaluating Techniques for Generating Metric-Based Classification ...
  • Y. Jiang; B. Cukic; T. Menzies; N. Bartlow; "Comparing Design ...
  • B. Turhan; T. Menzies; A. Bener, J. Distefano; "On the ...
  • in software inspections", IEEE Trans. _ Software Engineering, pages 744-751, ...
  • S. Lessmann; B. Baesens; C. Mues; S. Pietsch;، Benchmarking Classification ...
  • J. Dem_sar; "Statistical Comparisons of Classifiers over Multiple Data Sets", ...
  • T. Menzies; . Milton; B. Turhan; B. Cukic; Y. Jiang; ...
  • C. Catal: B. Diri; _ systematic review of software fault ...
  • Miner A new incremental method for discovery - AD:ه [18] ...
  • _ _ _ _ _ _ operations", _ 12, pp. ...
  • Witten I., Frank E., 2005, Data M ining-Practical Machine Learning ...
  • نمایش کامل مراجع