انتخاب خصایص مناسب در درخت تصمیم گیری به منظور طبقه بندی اجراهای برنامه

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 628

متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CEIT01_431

تاریخ نمایه سازی: 9 تیر 1393

Abstract:

خطایابی نرم افزار، به خصوص خطاهای مشاهده شده پس از استقرار نرم افزار، در عمل هزینه های پیش بینی نشده هنگفتی را برای شرکت های کامپیوتری ایجاد و حتی در برخی موارد با ضرر و زیان مواجه نموده است. مشکل در اینجاست که نمی توان کلیه مسیرهای ممکن در اجرای برنامه ها را قبل از تحویل برنامه مورد آزمون قرار داد. برای این منظور از یک روش انتخاب خصیصه و روشی جهت تصمیم گیری به منظور تشخیص اجراهای موفق و ناموفق جهت تعیین خطا و تست نرم افزار، استفاده شده است. ارزیابی راه کار ارائه شده بر روی مجموعه ای از برنامه های واقعی، موفقیت روش ارائه شده را در کاهش ابعاد و کشف دقیق تر خطاها نسبت به روش های پیشین نشان می دهد. مزیت تکنیک ارائه شده این است که میتواند خطا را پیش از بروز واقعی آن و شکست نرم افزار پیدا کند، که این مساله در نرم افزارهای حیاتی دارای اهمیت بسیار است. با پیاده سازی روش ارائه شده و بررسی های انجام شده بر روی یک مورد مطالعه، تاثیر و کارایی روش پیشنهادی در یافتن خطاهای معنایی در نرم افزارهای بزرگ نشان داده شده است.

Authors

سعید پارسا

دانشیار، دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران، تهران

فاطمه زهره

دانشجوی کارشناسی ارشد، دانشکده مهندسی کامپیوتر، دانشگاه علوم و تحقیقات ، ساوه

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • PEN Lutu, AP Engelbrecht, A decision rule-based me thod for ...
  • Q in baosong;Jingj ieNi; Guang taoWang, ...
  • A Fas tClus teringBased Feature Subset Se lectionA lgorithm for ...
  • Zheng Zhao, Jiangxin Wang, Shashvata Sharma, Nitin Agarwal, Huan Liu, ...
  • MZ Islam - Data Security and Security Data, A Novel ...
  • Rodrigo C. Barros, M arcio P. Basgalupp, Andr e C. ...
  • Y Yasami, SP Mozaffari, A novel unsupervised classification approach for ...
  • Carl Murie, _ Woody, Anna Lee, and Robert Nado, Comparison ...
  • H. Liu and H. Motoda, editors. Computational Methods of Feature ...
  • H. Liu and H. Motoda, editors. Computational Methods of Feature ...
  • Huan Liu and Zheng Zhao. Spectral feature selection for supervised ...
  • S tatis tica ldebugg ing:from bu predictors to faulty control ...
  • Carmen Lai, Marcel J T Reinders, Laura J van' Veer, ...
  • Bowring, J. F., Harrold, M. .J., and Rehg, J. M. ...
  • نمایش کامل مراجع