تابعی اکتشافی برای بهبود دقت پیش بینی برنامه های جهش یافته آشکار کننده خطا
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
تاریخ نمایه سازی: 7 اردیبهشت 1401
چکیده مقاله:
آزمون جهش روشی قدرتمند است که در آزمون نر افزار استفاده می شود. تعداد زیاد برنامه های جهش یافته، مقیاس پذیری و تعداد زیاد برنامه های جهش یافته غیر مرتبط با خطای واقعی اعتبار آن را تهدید می کند. برای مواجه شدن با تهدیدهای گفته شده، اخیرا رویکردی مبتنی بر یادگیری ماشین برای شناسایی برنامه های جهش یافته آشکار کننده خطا پیشنهاد شده است. در این پژوهش، یک تابع اکتشافی برای کاهش داده های مجموعه آموزش پیشنهاد شده است که در ترکیب با سایر روش ها توانسته AUC را روی دو مجموعه داده Codeflaws و CoREBench حدود %۲ بهبود دهد.
کلیدواژه ها:
نویسندگان
گروه مهندسی کامپیوتر ، دانشگاه تربیت مدرس ، تهران
گروه مهندسی کامپیوتر ، دانشگاه تربیت مدرس ، تهران