CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

رویکردهای تخمین اندازه کد مبدا برای سیستم های موضوعی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۳ | تعداد نمایش خلاصه: ۱۲۲ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: MAYCOMP01_087
زبان مقاله: فارسی
حجم فایل: ۶۱۶.۳۶ کیلوبایت (فایل این مقاله در ۱۳ 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 ۱۳ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله رویکردهای تخمین اندازه کد مبدا برای سیستم های موضوعی

  حمید رضا کوچک زاده - دانشجوی کارشناسی ارشد نرم افزار،دانشگاه آزاد اسلامی واحد فردوس،ایران،مشهد
  آرمین غروری - دانشجوی کارشناسی ارشد نرم افزار،دانشگاه آزاد اسلامی واحد فردوس،ایران،مشهد

چکیده مقاله:

پیش زمینه: اندازه کد مبدا برحسب SLOC (خطوط منبع کد) نهاده ورودی بسیاری از مدل های تخمین مراحل نرم افزار پارامتری است. هرچند در فاز اولیه توسعه نرم افزار در دسترس نیست. هدف: ما صحت رویکردهای تخمین SLOC اولیه برای سیستم موضوعی را با استفاده از اطلاعات به دست آمده از نمودار طبقه ای UML آن که در فاز توسعه اولیه نرم افزار در دسترس است بررسی می کنیم. روش: ما از تکنیک های مدل سازی مختلف برای ساختن مدل های پیش بینی برای بررسی صحت شش نوع معیار به منظور تخمین SLOC استفاده می کنیم. تکنیک های به کار رفته شامل مدل های خطی، مدل های غیرخطی، مدل های درخت/قانون بنیان و مدل های نمونه بنیان است. معیارهای بررسی شده شامل معیارهای نمودار طبقه ای، نقاط موضوع پیش گویانه، معیار اندازه پروژه موضوعی، نقاط طبقه ای سریع و واقعی، نقاط طبقه ای موضوعی و نقاط تابع موضوعی است. نتایج: براساس 100 سیستم جاوای منبع باز دریافتیم که مدل پیش بینی ساخته شده با استفاده از معیار اندازه پروژه موضوعی و رگرسیون حداقل مربعات رایج با تبدیل های لگاریتمی به بالاترین صحت می رسد (MMRE میانگین= 0.19 و پیش بینی میانگین (25)= 0.74)

کلیدواژه‌ها:

موضوعی، اندازه کد، تخمین، UML، نمودارهای طبقه ای

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-MAYCOMP01-MAYCOMP01_087.html
کد COI مقاله: MAYCOMP01_087

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:
کوچک زاده, حمید رضا و آرمین غروری، ۱۳۹۴، رویکردهای تخمین اندازه کد مبدا برای سیستم های موضوعی، اولین همایش چشم انداز تکنولوژی کامپیوتر و شبکه در 2030، میبد یزد، دانشگاه آزاد اسلامی واحد میبد، https://www.civilica.com/Paper-MAYCOMP01-MAYCOMP01_087.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: (کوچک زاده, حمید رضا و آرمین غروری، ۱۳۹۴)
برای بار دوم به بعد: (کوچک زاده و غروری، ۱۳۹۴)
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 :

  • V.D. Bianco, L. Lavazza, An assessment of function point-like metrics ...
  • V.D. Bianco, L. Lavazza, Object-oriented model size measuremen: experiences and ...
  • M. Cartwright, M. Shepperd, An empirical investigation of a object-oriented ...
  • Y. Chen, B.W. Boehm, . Madachy, R. Valerdi, An empirical ...
  • G. Costagliola, F. Ferrucci, G. Tortora, G. Vitiello, Class point: ...
  • M. Genero, E. Manso, A. Visaggio, G. Canfora, M. Piattini, ...
  • A.F. Minkiewicz, B.E. Fad, Parametric Software Forecasting System and Method, ...
  • F.G. Wilkie, I.R. McChesney, P. Morrow, C. Tuxworth, N., Lester, ...
  • M.V. Jaan, R. Sheibani, A new method for software size ...
  • S. Kim, W. Lively, D. Simmons, An effort estimation by ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۸۶۸۲
    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 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.