ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

یادگیری انتقالی با روش تلفیقی از انتقال نمونه و نمایش ویژگی برای پیش بینی نقص بین پروژه ای نرم افزار

سال انتشار: 1397
کد COI مقاله: JR_TJEE-48-1_010
زبان مقاله: فارسیمشاهد این مقاله: 114
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله یادگیری انتقالی با روش تلفیقی از انتقال نمونه و نمایش ویژگی برای پیش بینی نقص بین پروژه ای نرم افزار

سعاد شریفات زاده - دانشگاه یزد - پردیس فنی و مهندسی - گروه مهندسی کامپیوتر
محمدعلی زارع چاهوکی - دانشگاه یزد - پردیس فنی و مهندسی - گروه مهندسی کامپیوتر

چکیده مقاله:

پیش بینی نقص نرم افزار، نقش مهمی در بهبود کیفیت نرم افزار دارد. به طوری که منابع محدود آزمون نرم افزار، به جای کل ماژول های نرم افزار به ماژول های مستعد نقص اختصاص داده می شوند. در پیش بینی نقص درون پروژه ای، برای ساخت مدل پیش بینی، داده های برچسب دار محلی استفاده می شود. ولی ساخت این مدل در مورد پروژه هایی که فاقد داده های برچسب دار محلی هستند، تقریبا غیرممکن است. لذا، پیش بینی نقص بین پروژه ای مطرح می شود، که برای ساخت و آموزش مدل، از داده های سایر پروژه ها استفاده می کند. در این حوزه، توزیع داده ای بخش های آموزش و آزمون متفاوت است. ازاین رو، پژوهش های انجام شده روی کاهش اثر منفی تفاوت توزیع بخش های آموزش و آزمون تمرکز دارند. در این پژوهش، روش بازه تخمین دانش پیشنهاد شده است. در این روش نمونه هایی از بخش آموزش که از نظر توزیع داده ای، مشابه نمونه های بخش آزمون هستند، انتخاب می شود. سپس، نمونه های منتخب به مدل آموزشی داده می شود. برای افزایش اثربخشی، قبل از اعمال روش بازه تخمین دانش، تکنیک استخراج ویژگی روی بخش های آموزش و آزمون اعمال می شود. نتایج حاصل از ارزیابی روش پیشنهادی روی 10 مجموعه داده از دادگان ناسا و SoftLab با معیار AUC بیانگر اثربخشی این روش در پیش بینی ماژول های مستعد نقص است. روش پیشنهادی به طور میانگین 38.1 درصد نسبت به پیش بینی نقص درون پروژه ای افزایش دقت دارد.

کلیدواژه ها:

پیش بینی نقص نرم افزار, پیش بینی نقص بین پروژه ای, یادگیری ماشین, یادگیری انتقالی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/890189/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
شریفات زاده، سعاد و زارع چاهوکی، محمدعلی،1397،یادگیری انتقالی با روش تلفیقی از انتقال نمونه و نمایش ویژگی برای پیش بینی نقص بین پروژه ای نرم افزار،،،،،https://civilica.com/doc/890189

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397، شریفات زاده، سعاد؛ محمدعلی زارع چاهوکی)
برای بار دوم به بعد: (1397، شریفات زاده؛ زارع چاهوکی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 12,602
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی