بهبود پیش بینی نقص نرم افزار مبتنی بر اثربخشی متوازن سازی دادگان بر ماشین یادگیری سریع غیرخطی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 665
فایل این مقاله در 7 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:
SPIS01_009
تاریخ نمایه سازی: 8 آبان 1395
چکیده مقاله:
مشکلات رایج سیستم های نرم افزاری ، و وجود نقص در این سیستم ها است . پدیدار شدن نقص در سیستم های نرم افزاری به معنای عدم اعتبار محصول است . روش های معتبرسازی از جمله تست نرم افزار و بازرسی کد را می توان برای تشخیص نقص نام برد ، که این روش ها از نظر زمانی و منابع بسیار پر هزینه هستند . توسعه یک سیستم نرم افزاری بدون نقص بسیار دشوار است .بنابراین پیش بینی ماژول های مستعد نقص ، نقش مهمی در سیستم های نرم افزاری دارا می باشند . ر این پژوهش جهت بهبود دقت پیش بینی ماژول های مستعد نقص از روش پادگیری ماشین سریع ( ELM ) روی دادگان متوازن شده استفاده شده است . جهت متوازن سازی دادگان ؛ بصورت تکراری ؛ تکنیک افزایش مصنوعی نمونه های کلاس اقلیت ( SMOTE ) بکار گرفته شده است . روش ELM با هسته های مختلفی روی دادگان ناسا ارزیابی شده است . نتایج تجربی بدست آمده نشان می دهد ، که هسته ی RBF مناسب ترین هسته می باشد . علاوه بر این ، این نتایج بیانگر موثر بودن ترکیب روش ELM و تکنیک متوازن سازی ، روی پیش بینی ماژول های مستعد نقص است .
کلیدواژه ها:
نویسندگان
سعاد شریفات زاده
دانشجوی کارشناسی ارشد، دانشگاه یزد
محمد علی زارع چاهوکی
استادیار، دانشگاه یزد
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 :