CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

انتخاب موارد آزمون جهت اجرای آزمون رگرسیون با استفاده از اتاماتای یادگیر و الگوریتم ژنتیک

اعتبار موردنیاز : ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۸۴ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: ICEEE08_187
زبان مقاله: فارسی
حجم فایل: ۳۹۳.۷۷ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله انتخاب موارد آزمون جهت اجرای آزمون رگرسیون با استفاده از اتاماتای یادگیر و الگوریتم ژنتیک

  مهدیه افشاری - گروه کامپیوتر دانشگاه غیرانتفاعی جاوید جیرفت جیرفت ، ایران
  بهنام قوامی - عضو هیات علمی گروه کامپیوتر دانشگاه شهید باهنر کرمان کرمان ، ایران
  معصومه انصاری فر - عضو هیات علمی گروه کامپیوتر دانشگاه آزاد اسلا می واحد کهنوج کهنوج ، ایران

چکیده مقاله:

آزمون رگرسیون یک فعالیت اجتناب ناپذیر و پرهزینه است که برای اطمینان از اعتبار نسخه جدید نرم افزار در یک زمان صورت می گیرد. آنچه مسلم است آزمون رگرسیون را نباید درگیر اجرای کل مجموعه آزمون کرد بلکه استخراج تنها زیرمجموعه ای از آن که بتواند تمام خطاها را کشف کند کافی است. در این تحقیق انتخاب موارد آزمون با استفاده از اتوماتای یاد گیر و الگوریتم ژنتیک جهت انتخاب موارد آزمون ها با پوشش حداکثر خطا در حداقل زمان اجرا پیشنهادشده است.اتوماتای یاد گیر عاملی است که برای قرار گرفتن در محیطی احتمالی و غیرقطعی طراحی شده است. هر عمل انتخاب شده توسط اتوماتا در یک محیط احتمالی ارزیابی می شود و نتیجه ارزیابی به اتوماتا داده می شود و اتوماتا از این پاسخ در انتخاب عمل بعدی تاثیر می گیرد. هدف این است که اتوماتا بتواند بهترین عمل را از بین اعمال خود انتخاب کند. الگوریتم پیشنهادی یک رویکرد خوش بینانه فراهم می کند که بهترین نتایج مطلوب در حداقل زمان است.

کلیدواژه‌ها:

آزمون رگرسیون، اتاماتای یاد گیر، الگوریتم ژنتیک، مورد آزمون

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ICEEE08-ICEEE08_187.html
کد COI مقاله: ICEEE08_187

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
افشاری, مهدیه؛ بهنام قوامی و معصومه انصاری فر، ۱۳۹۵، انتخاب موارد آزمون جهت اجرای آزمون رگرسیون با استفاده از اتاماتای یادگیر و الگوریتم ژنتیک، هشتمین کنفرانس ملی مهندسی برق و الکترونیک ایران، گناباد، دانشگاه آزاد اسلامی واحد گناباد، https://www.civilica.com/Paper-ICEEE08-ICEEE08_187.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (افشاری, مهدیه؛ بهنام قوامی و معصومه انصاری فر، ۱۳۹۵)
برای بار دوم به بعد: (افشاری؛ قوامی و انصاری فر، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • آرستگاره.میبدی، م . " یک الگوریتم تکاملی تخمین توزیع جدید ...
  • شماره ۲ پاییزوزمستان ۱۳۸۳ ...
  • Conference on Software Ma intenanc e, pages 348-357, 1993. ...
  • Rothermel. G, Untch .R.H, Chu. C, and Harrold. M.J, *Prioritizing ...
  • Singh, A. 2012. Prioritizing Test Cases in Regression testing using ...
  • Suri, B., Mangal, I., & Srivastava, V. 2011. Regression Test ...
  • Suri, B., & Singhal, S. 2011. Implementing Ant colony optimization ...
  • International Journal on Computer Science and Engineering, 3(5): 1924-19325. ...
  • Suri, B., & Mangal, I. 2012. Analyzing Test Case Selection ...
  • Bhasin . H , Deepkiran. M , _ Novel Approach ...
  • Sehrawat, R., Srivastava, V., & Mangal, I. A Neuro- Genetic ...
  • Singh ; Sachin Kumar Futuristic Trends on Computational Analysis and ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: موسسه غیرانتفاعی
    تعداد مقالات: ۷۶
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.