دانش رسان |
مرکز علم و دانش کشور پیش بینی ماژولهای خطادارنرم افزار با قواعدرابطه ای استنتاج شده توسط الگوریتم رقابت استعماری
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
پیش بینی ماژولهای خطادارنرم افزار با قواعدرابطه ای استنتاج شده توسط الگوریتم رقابت استعماری دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد پیش بینی ماژولهای خطادارنرم افزار با قواعدرابطه ای استنتاج شده توسط الگوریتم رقابت استعماری 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 پیش بینی ماژولهای خطادارنرم افزار با قواعدرابطه ای استنتاج شده توسط الگوریتم رقابت استعماری،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن پیش بینی ماژولهای خطادارنرم افزار با قواعدرابطه ای استنتاج شده توسط الگوریتم رقابت استعماری :
تعداد صفحات :۱۰
چکیده مقاله:
برای اطمینان ازکیفیت نرم افزار ازمون نرم افزار یک مرحله اساسی درمهندسی نرم افزار است که فرایندی پرهزینه و زمان بر می باشد یکی ازفاکتورهایی که برای کاهش هزینه و بهبود فرایند ازمون نرم افزار بکارمیرود تعیین ماژول ها و یاکلاسهای مستعدخطا می باشد به همین دلیل تکنیک های مختلفی درزمینه پیش بینی ماژولهای مستعدخطا به وجود آمده است تاعمل ازمون روی ماژول هایی ازنرم افزار معطوف شود که مستعدخطا هستند تحقیقات دراین زمینه بیشتر معطوف به استفاده ازتکنیک های اماری و یادگیری ماشین برای ایجادمدلهای پیش بینی خطا بوده است اما ایراد این روشها این است که علاوه براینکه هنگام مواجه شدن با داده های نامتوازن به درستی عمل نمی کنند قابلیت درک پایینی نیز دارند دراین مقالهیک مدل طبقه بندی تک کلاسه برای مسئله پیش بینی خطا ارایه داده میشود که ازمفهوم قواعد رابطه ای موجود درقواعدانجمنی رابطه ای الهام گرفته شده است و برای کشف این نوع قواعد ازالگوریتم رقابت استعماری ICA استفاده میشود تابرمشکلات عنوان شده غلبه گردد درمدل ارایه شده علاوه براینکه قاعده های استنتاج شده توسط الگوریتم قابلیت درک بالایی داشته و به اسانی توسط ازمون کننده ها قابل تفسیر می باشد دقت پیش بینی مناسبی نیز درمقایسه با دیگر مدلهای یادگیری ماشین دارد
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
