بکارگیری داده کاوی در تشخیص بن بست در سیستم های تبدیل گراف
محل انتشار: هفتمین کنفرانس بین المللی فناوری اطلاعات و دانش
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 898
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:
ICIKT07_022
تاریخ نمایه سازی: 22 مهر 1394
چکیده مقاله:
وارسی مدل یک روش خودکار و راهکاری مناسب برای بررسی درستی یک سیستم نرم افزاری می باشد. خطاها در سیستم های نرم افزاری، به علت هزینه پایین تصحیح آنها در مراحل تحلیل و طراحی نسبت به هزینه تصحیح آنها در مراحل تست و نگهداشت، باید قبل از پیاده سازی و در سطح مدل مشخص و رفع شوند. سیستم های تبدیل گراف از پرکاربردترین سیستم های مدل سازی رسمی و راهکاری مناسب به منظور مدل سازی و وارسی مدل می باشند. مشکل مهم وارسی مدل این است که در اکثر سیستم های واقعی و پیچیده با مشکل انفجار فضای حالت(کمبود حافظه در تولید همه حالت های ممکن) مواجه می شود، بنابراین باید دنبال روش هایی باشیم که فضای حالت سیستم را بطور هوشمندانه و غیرکامل پیمایش می کنند. یکی از این روش ها، استفاده از روش های فرامکاشفه ای می باشد. در این پژوهش، یک روش فرامکاشفه ای مبتنی بر داده کاوی ارائه می کنیم. محدودیت روش ارائه شده این است که فقط برای سیستمی جواب می دهد که مدل های ساخته شده از آن با اندازه های مختلف، بر پایه یک سبک معماری باشند. سبک معماری، یک نوع ابرمدل جهت تعیین مجموعه ای از اجزاء و ارتباطات میان آنها برای مشخص کردن سیستم بر مبنای آن سبک می باشد. روش ارائه شده را در فرمالیسم ؛ سیستم تبدیل گراف؛ و ابزار GROOVE از ابزارهای مدل سازی سیستم تبدیل گراف- پیاده سازی می کنیم. مقایسه نتایج پیاده سازی این روش با نتایج روش های قبلی، نشان می دهند که زمان اجرای روش پیشنهادی در این پژوهش، نسبت به روش های قبلی، بطور چشمگیری بهبود یافته است.
کلیدواژه ها:
نویسندگان
عین الله پیرا
دانشگاه اراک، دانشکده فنی و مهندسی
وحید رافع
دانشگاه اراک، دانشکده فنی و مهندسی
امین نیک انجام
دانشگاه صنعتی خواجه نصیرالدین طوسی، دانشکده مهندسی کامپیوتر
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 :