Software Fault Prediction Using Artificial Immune Systems
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: English
View: 519
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
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEPS04_012
تاریخ نمایه سازی: 11 مرداد 1396
Abstract:
Software fault prediction based on mining of code and design metrics has been considered by many researchers. Fault detection systems predict faults by using software metrics and data mining techniques. Various classifiers have already been used in this case; from mathematical to evolutionary algorithms. In this paper, we will present a new evolutionary approach for predicting software faults. This method uses negative and positive selection algorithms which are evolutionary algorithms inspired by natural immune systems to create some prototype for each class of defective and non-defective to determine whether an input data is defective or not Then we will test it on NASA software fault dataset, review the results and show its advantages to other methods
Authors
Faeze Asdaghi
School of Computer Engineering Shahrood University of Technology Shahrood, Iran
Ali Soleimani
School of Computer Engineering Shahrood University of Technology Shahrood, Iran
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 :