پیش بینی نقص نرم افزار: اصول، مبانی و روش ها

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 3,256

This Paper With 7 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NCCEB02_048

تاریخ نمایه سازی: 16 خرداد 1394

Abstract:

تشخیص خطاهای نرم افزار یکی از بزرگترین جالش های توسعه نرم افزار است و بیشترین بودجه را در فرآیند توسعه نرم افزار به خود اختصاص می دهد. با تشخیص ماژول های مستعد خطا در مراحل ابتدایی فرآیند توسعه نرم افزار، مدیران پروژه های نرم افزاری می توانند هزینه، زمان و تلاش تیم توسعه را بیشتر صرف تست ماژول های مستعد خطا کنند. در این مقاله اصول و مبانی پیش بینی نقص تشریح گردیده و مدل های پیش بینی نقص نرم افزار مورد تحلیل و بررسی قرار می گیرند. با توجه به کمبود منابع فارسی در این زمینه، این مقاله مروری می تواند به عنوان یک مرجع اولیه مورد استفاده قرار گیرد.

Keywords:

پیش بینی نقص نرم افزار , متوازن سازی کلاس ها

Authors

محمدمهدی عسگری

دانشجوی کارشناسی ارشد، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد کرمان ، کرمان، ایران

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 :
  • باشگاه پژوهشگران جوان _ و نخبگان واحد شوشتر _ اسفند ...
  • B. park, S. Oh, and W. Pedrycz, The design of ...
  • predictors for detection of software dwfects, information sciences, 229:40-57, 2013. ...
  • P.C. Pendharkar, Exhaustive and heuristic search approaches for learning _ ...
  • J. Zheng, Cost-sensitive boosting neural networks for software defect prediction, ...
  • T. Hall, S. Beechams, D. Bowes, and S. Counsel, A ...
  • Y. Chen, X. Shen, P. Du, and B. Ge, Research ...
  • Automation Engineering (ICCAE), 563-567, 2010. ...
  • H. Can, X. Jianchun, Z. Ruide, and L. Juelong, A ...
  • S. Wang, and X. Yao, Using Class Imbalance Learning for ...
  • V. Garcfa, J.S. Sanchez, R.A. Mollineda, R. Alejo, and J.M. ...
  • L. Zhen, and L. Qiong, Studying cost-sensitive learning for multi-clas ...
  • J. Kim, K. Choi, G. Kim, and Y. Suh, Classification ...
  • H.A. Al-Jamimi, and L. Ghouti, Efficient Prediction Of Software Fault ...
  • Malaysian, Johor Bahru , 251-256, 2011. ...
  • K. Elish, and M. Elish, Predicting defect prone software modules ...
  • P. Wang, C. Jin, and S. Jin, Software Defect Prediction ...
  • A. Chug, and S. Dhall, Software defect prediction using supervised ...
  • نمایش کامل مراجع