ارایه مدل آمیخته طبقه بندی کننده بیز ساده برای پیش بینی خطای نرم افزار
Publish place: پنجمین کنگره مشترک سیستمهای فازی و هوشمند ایران (شانزدهمین کنفرانس سیستمهای فازی و چهاردهمین کنفرانس سیستمهای هوشمند)
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 850
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICFUZZYS16_009
تاریخ نمایه سازی: 13 شهریور 1396
Abstract:
طبقه بندی کننده بیز ساده (NB (به دلیل سادگی و قدرت پیش بینی بالا مورد توجه محققین بسیاری قرار گرفته است. علی رغم سادگی و قدرت پیش بینی بالا، دقت بسیار قابل توجه ای در مقایسه با روش های پیچیده تر مانند شبکه عصبی و درخت تصمیم دارد. با این وجود، این طبقه بندی کننده دارای فرضیه استقلال شرطی ویژگی ها به شرط متغیر کلاس است که این فرض در دنیای نرم افزار صادق نیست. در این مقاله هدف سست کردن فرض استقلال شرطی NB با اضافه کردن مفهوم متغیر های پنهان می باشد. از این رو، یک متغیر پنهان بر اساس معماری پیشنهادی به شبکه NB اضافه شده است و سپس از الگوریتم امید ریاضی- بیشینه سازی (EM (برای یادگیری پارامتر های متغیر پنهان استفاده شده است. روش پیشنهادی با طبقه بندی کننده هایNB ،بیز ساده درختی(TAN (و رگرسیون لجیستیک(LogReg (بر اساس ناحیه زیر منحنی (AUC (مقایسه شده است. برای انجام شبیه سازی ها از مجموعه داده های PC3 ،PC4 و PC5 از مجموعه داده های ناسا استفاده شده است. نتایج از شبیه سازی ها نشان دهنده این است که روش پیشنهادی در مجموعه داده های استفاده شده دقت بالاتری نسبت به NB دارد. همچنین دقت MLNB از LogReg و TAN در مجموعه داده های PC3 و PC4 بیشتر است.
Keywords:
Authors
نیما شیری هرزویلی
دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی، واحد قزوین، قزوین، ایران
ساسان حسینعلی زاده
دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی، واحد قزوین، قزوین، ایران