CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بهبود پیش بینی خطا در نرمافزار با استفاده از انتخاب ویژگی در داده کاوی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۳ | تعداد نمایش خلاصه: ۲۴۷ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: NCCLP01_076
زبان مقاله: فارسی
حجم فایل: ۶۸۸.۴۳ 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 بهبود پیش بینی خطا در نرمافزار با استفاده از انتخاب ویژگی در داده کاوی

  طیبه ناظری - دانشجوی کارشناسی ارشد، موسسه آموزش عالی غیرانتفاعی بهمنیار، کرمان، ایران
  علی اکبر نیک نفس - هیئت علمی دانشگاه شهید باهنر، موسسه آموزش عالی غیرانتفاعی بهمنیار، کرمان، ایران

چکیده مقاله:

یک خطای نرمافزاری، نقصی است که باعث توقف نرمافزاری در یک محصول قابل اجرا میشود. پیشبینی خطای نرمافزار عبارتاست از کاهش نقص یک پروژهی نرمافزاری و بهبود کارآیی آن که با استفاده از تکنیکهای دادهکاوی هویت خطاها و ماژولهای مستعد بروزخطا را بررسی میکند. پیشگیری خطا به طور عمده بر روی این تمرکز دارد که از بروز یک خطا جلوگیری کند و در سازمانهای زیادیبرای بهبود کیفیت نرمافزار و بهرهوری به کار گرفته شده است. هدف این مقاله آمادهسازی دیتا با استفاده از انتخاب ویژگی برای بهبود نتایجروش پیشبینی خطا بر پایهی قوانین باهمآیی است. مزیت روش ارائه شده، این است که ویژگیهای با بار اطلاعاتی کم و یا بلااستفاده قبلاز شروع فرآیند دادهکاوی حذف میشوند و این امر علاوه بر دقت، سرعت را نیز افزایش میدهد که این افزایش سرعت در دیتاستهایبزرگ اهمیت خود را نشان میدهد.

کلیدواژه‌ها:

پیش بینی خطا، انتخاب ویژگی، داده کاوی

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-NCCLP01-NCCLP01_076.html
کد COI مقاله: NCCLP01_076

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:
ناظری, طیبه و علی اکبر نیک نفس، ۱۳۹۴، بهبود پیش بینی خطا در نرمافزار با استفاده از انتخاب ویژگی در داده کاوی، اولین همایش ملی شهر، زندگی، آرامش، مینودشت، دانشگاه آزاد اسلامی واحد مینودشت، https://www.civilica.com/Paper-NCCLP01-NCCLP01_076.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: (ناظری, طیبه و علی اکبر نیک نفس، ۱۳۹۴)
برای بار دوم به بعد: (ناظری و نیک نفس، 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 :

  • C. Liu, L. Fei, X. Yan, J. Han, and S. ...
  • G. K. Baah, A. Gray, and M. J. Harrold, "On-line ...
  • I. H. Laradj, M. Alshayeb, and L. Ghouti, "Software defect ...
  • C. P. Chang, C. P. Chu, and Y. F. Yeh, ...
  • J. Moeyersoms, E. Jnque de Fortuny, K. Dejaeger, B. Baesens, ...
  • B. L. W. H. Y. Ma, "Integrating classification and association ...
  • G. Czibula, Z. Marian, and I. G. Czibula, "Software defect ...
  • G. Mistikoglu, I. H. Gerek, E. Erdis, P. E. Mumtaz ...
  • D. M. Farid, L. Zhang, C. M. Rahman, M. a. ...
  • A. P. Muniyandi, R. Rajeswari, and R. Rajaram, "Network anomaly ...
  • I. H. Witten, E. Frank, and M. a. Hall, Data ...
  • N. T. Lamie and A. M. Yehia, "Development of normalized ...
  • C.-P. P. Chang and C.-P. P. Chu, "Defect prevention in ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: موسسه غیرانتفاعی
    تعداد مقالات: ۱۱۹
    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.