مقاله انتخاب زیر مجموعه بهینه از تست کیس ها با استفاده از خوشه بندی ترکیبی فازی مبتنی بر ماتریس همبستگی فازی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله انتخاب زیر مجموعه بهینه از تست کیس ها با استفاده از خوشه بندی ترکیبی فازی مبتنی بر ماتریس همبستگی فازی دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله انتخاب زیر مجموعه بهینه از تست کیس ها با استفاده از خوشه بندی ترکیبی فازی مبتنی بر ماتریس همبستگی فازی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله انتخاب زیر مجموعه بهینه از تست کیس ها با استفاده از خوشه بندی ترکیبی فازی مبتنی بر ماتریس همبستگی فازی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله انتخاب زیر مجموعه بهینه از تست کیس ها با استفاده از خوشه بندی ترکیبی فازی مبتنی بر ماتریس همبستگی فازی :

تعداد صفحات:۱۲
چکیده:
مهم تری و زمان برترین فعالیت در چرخه حیات توسعه نرم افزار، تست نرم افزار است که تضمین کننده کیفیت نرم افزار می باشد. در واقع فرایند تست شامل اجرای برنامه بر روی مجموعه ای از تست کیس ها و مقایسه نتایج بدست آمده با نتایج مورد انتظار می باشد. داده کاوی نیز می تواند در فرایند کشف الگوهای مشابه در تست کیس و انخاب زیر مجموعه ای از آنها به منظور کاهش افزونگی کمک قابل توجهی نماید. به طوری که در برخی از تحقیقات با استفاده از تکنیک های داده کاوی همچون خوشه بندی و الگوریتم های پایه ی آن همچون k-means توانسته اند گام مهمی را برای رسدن به این هدف یعنی کاهش افزونگی در اجرای فرایند تست بردارند. اما در هیچ یک از این اقدامات بر تعیین تعداد خوشه ها در فرایند انتخاب تست کیس که چالشی عمده در مسائل خوشه بندی محسوب می شده توجهی نشده است در صورتی که در کاربرهای عملی که طبیعتا تعداد این تست کیس ها زیاد و پراکنده تر هستند نیاز است تعداد بهینه خوشه ها به دست آورد تا به پوشش کامل و نتایج مطلوب دست پیدا کنیم. در این مقاله از الگوریتمی مبتنی بر گراف برای تعیین تعداد بهینه خوشه ها استفاده خواهیم کرد و روال خوشه بندی ترکیبی نیز بر روی تست کیس ها به صورت توامان انجام خواهد شد. در فاز ارزیابی نیز نشان داده شده است که اجرای این روش بر روی دیتا ست های معروف UCI و یک مطالعه موردی دارای نرخ خطای کمتری نسبت به روش های موجود خوشه بندی می باشد