مروری بر کلیات مطالعات پیش بینی نقص نرم افزار

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 574

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

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICTI01_007

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

محبوب ترین بخش تحقیقات در روش های پیش بینی، در رشته مهندسی نرم افزار، پیش بینی نقص نرم افزار است و چندین مرکز تحقیقاتی ، پروژه های جدیدی را در این زمینه آغاز کرده اند. در این مطالعه سعی بر آن بوده است تا اهم مطالعات اخیر که در این حوزه منتشر شده است بررسی شوند. بدیهی و طبیعی است که ریوس مطالب منتشر شده تاکنون منعکس خواهند شد ولی بررسی جامع تمام پژوهش های انجام شده تاکنون نخواهد بود. این مقاله به محققان و علی الخصوص محققان فارسی زبان کمک خواهد کرد تا مطالعات قبلی را از جهات متریکها ، روشها، مجموعه داده ها و ارزیابی کارایی به شیوه ای ساده تر و موثر بررسی نمایند.

کلیدواژه ها:

ارزیابی مدل ، پیش بینی نقص نرم افزار ، متریک نرم افزاری ، مجموعه داده

نویسندگان

مریم مرادی

دانشجوی کارشناسی ارشد گروه کامپیوتر، دانشکده فنی و مهندسی، واحد ساوه، دانشگاه آزاد اسلامی، ساوه، ایران

ابراهیم مهدی پور

عضو هیات علمی واحد علوم و تحقیقات دانشگاه آزاد اسلامی، دانشکده برق و کامپیوتر، تهران، ایران

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 :
  • Menzies, T., Dekhtyar, A., Distefano, J., & Greenwald, J. (2007b) ...
  • _ Catal, Software fault prediction: A literature reviev and current ...
  • B. Ma, Investigating Associative Classi- cation for Software Fault Prediction: ...
  • I. Gondra, *Applying machine learning to software fault- proneness prediction, ...
  • E. Arisholm, L. C. Briand, and E. B. Johannessen, _ ...
  • P. He, B. Li, X. Liu, J. Chen, and Y. ...
  • K. Dejaeger, T. Verbraken, and B. Baesens, ،Toward Comprehens ible ...
  • P. He, B. Li, X. Liu, J. Chen, and Y. ...
  • _ A. Monden, T. Hayashi, S. Shinoda, K. Shirai, and ...
  • R. Malhotra and A. Jain, ،Fault Prediction Using Statistical and ...
  • S. Lessmann, S. Member, B. Baesens, C. Mues, and S. ...
  • T. Hall, S. Beecham, D. Bowes, D. Gray, and S. ...
  • M. Shepperd, Q. Song, Z. Sun, and C. Mair, 4Data ...
  • Q. Song, Z. Jia, M. Shepperd, S. Ying, and J. ...
  • J. Zheng, _ :Cost-sensitive boosting neural networks for software defect ...
  • D. Radjenovic, M. Hericko, R. Torkar, and A. Zivkovi&, fault ...
  • C. Catal and B. Diri, :'Investigating the effect of dataset ...
  • J. Zheng, ، ;Cost-sensitive boosting neural networks for software defect ...
  • نمایش کامل مراجع