CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارائه ی رویکردی جهت اتوماتیک سازی کاهش موارد آزمون در پیشگوهای آزمون اتوماتیک با استفاده از داده کاوی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۲۹۳ | نظرات: ۰
سرفصل ارائه مقاله: مهندسی نرم افزار
سال انتشار: ۱۳۹۱
کد COI مقاله: NCCSE01_161
زبان مقاله: فارسی
حجم فایل: ۲۰۳.۵۳ کیلوبایت (فایل این مقاله در ۸ 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 ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه ی رویکردی جهت اتوماتیک سازی کاهش موارد آزمون در پیشگوهای آزمون اتوماتیک با استفاده از داده کاوی

  شهره اجودانیان - عضو هیئت علمی دانشگاه آزاد اسلامی واحد نجف آباد
  زهرا خبازیان - موسسه آموزش عالی صنعتی فولاد
  احمدرضا شفیعی ثابت - موسسه آموزش عالی صنعتی فولاد
  لیلا منصوریان - موسسه آموزش عالی صنعتی فولاد

چکیده مقاله:

در سال های اخیر استفاده از پیشگوهای آزمون، به منظور پیش بینی صحت عملکرد برنامه های نرم افزاری، رواج بسیاری یافته است. پیشگویآزمون فرآیندی را جهت تولید نتایج مورد انتظار و مقایس هی نتایج واقعی و نتایج موردانتظار، دنبال م ینماید. تلاش برای اتوماتی ککردن این فرآیند و کاهش روش های دستی، منجر به بهینه شدن عمل آزمون از نظر هزینه و زمان و نیز دقت بالاتر می شود. در جهت اتوماتی ککردن پیشگوها با چالش هایی مواجه هستیم. روش های مختلف اتوماتی ککردن پیشگو، هریک تلاش هایی را برای رفع این چالش ها نموده اند. با این حال، تاکنون روش جامع و کاملی برای اتوماتیک کردن کامل عملکرد پیشگو معرفی نشده است. در این مقاله رویکردی معرفی م یشود که با استفاده از کاهش ترکیبات داده و شبکه های عصبی این چالش ها را هدایت کرده و سپس جهت بهبود رویکرد مذکور، راه حلی ارائه شده است که با استفاده از عملیات داده کاوی، موارد آزمون را نیز به صورت اتوماتیک مهیا نماید.

کلیدواژه‌ها:

اتوماتیک کردن پیشگو، شبک ههای عصبی مصنوعی، الگوریتم K-means، کاهش ترکیبات داده

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-NCCSE01-NCCSE01_161.html
کد COI مقاله: NCCSE01_161

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:
اجودانیان, شهره؛ زهرا خبازیان؛ احمدرضا شفیعی ثابت و لیلا منصوریان، ۱۳۹۱، ارائه ی رویکردی جهت اتوماتیک سازی کاهش موارد آزمون در پیشگوهای آزمون اتوماتیک با استفاده از داده کاوی، همایش ملی علوم و مهندسی کامپیوتر، نجف آباد، دانشگاه آزاد اسلامی واحد نجف آباد، https://www.civilica.com/Paper-NCCSE01-NCCSE01_161.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: (اجودانیان, شهره؛ زهرا خبازیان؛ احمدرضا شفیعی ثابت و لیلا منصوریان، ۱۳۹۱)
برای بار دوم به بعد: (اجودانیان؛ خبازیان؛ شفیعی ثابت و منصوریان، ۱۳۹۱)
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 :

  • Seyed Reza Shahamiri, Wan MohdNasir Wan Kadir, Suhaimi Ibrahim, S ...
  • Beatriz Perez Lamancha, Macario Polo, DaniloCaivano, Mario Piattini, Giuseppe Visaggio, ...
  • Seyed Reza Shahamiri, Wan MohdNasir Wan Kadir and Suhaimi bin ...
  • B. Korel, P.J. Schroeder, "Maintaining the quality of black-box testing", ...
  • P.J. Schroeder, B. Korel, "Black-box test reduction using input-output analysis' ...
  • Wolfgang Prenninger, Alexander Pretschner, :Abstractions for Mode]-Based Testing", Institut f ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۸۳۶۶
    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

    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • هوش مصنوعی > داده کاوی
  • 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.