ورود
مقالات فارسیISIکنفرانسهاژورنالها

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

محل انتشار: دومین همایش ملی مهندسی کامپیوتر و فناوری اطلاعات
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,250

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/358258

شناسه ملی سند علمی:

NCCEB02_048

تاریخ نمایه سازی: 16 خرداد 1394

چکیده مقاله:

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.

کلیدواژه ها:

پیش بینی نقص نرم افزار ، متوازن سازی کلاس ها

نویسندگان

محمدمهدی عسگری

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

وحید خطیبی بردسیری

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله 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