مقاله Software defect prediction using relational association rule mining بهمراه ترجمه

مقاله Software defect prediction using relational association rule mining بهمراه ترجمه

دسته بندی: فنی و مهندسی » کامپیوتر و IT

تعداد مشاهده: 690 مشاهده

فرمت فایل دانلودی:.zip

حجم فایل:2,719 کیلوبایت

  پرداخت و دانلود  قیمت: 17,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.
0 0 گزارش
  • This paper focuses on the problem of defect prediction, a problem of major importance
    during software maintenance and evolution. It is essential for software developers to identify
    defective software modules in order to continuously improve the quality of a software
    system. As the conditions for a software module to have defects are hard to identify,
    machine learning based classification models are still developed to approach the problem
    of defect prediction. We propose a novel classification model based on relational association
    rules mining. Relational association rules are an extension of ordinal association rules,
    which are a particular type of association rules that describe numerical orderings between
    attributes that commonly occur over a dataset. Our classifier is based on the discovery of
    relational association rules for predicting whether a software module is or it is not defective.
    An experimental evaluation of the proposed model on the open source NASA datasets,
    as well as a comparison to similar existing approaches is provided. The obtained results
    show that our classifier overperforms, for most of the considered evaluation measures,
    the existing machine learning based techniques for defect prediction. This confirms the
    potential of our proposal.

     

    مقدمه

    این مقاله بر مسئله عیب یابی، مسئله ای با اهمیت عمده در طول نگهداری و تکامل نرم افزار، متمرکز است. این برای توسعه دهندگان نرم افزار ضروری است که واحدهای معیوب نرم افزار را برای بهبود مداوم کیفیت سیستم نرم افزاری، تشخیص دهند. همانطور که شرایط برای تشخیص عیب داشتن واحد نرم افزاری مشکل است، مدلهای طبقه بندی بر مبنای یادگیری ماشین هنوز برای رویکرد مسئله عیب یابی توسعه می یابد. ما یک مدل طبقه بندی جدید بر مبنای استخراج قوانین رابطه وابستگی پیشنهاد می کنیم. قوانین رابطه وابستگی گستره ای از قوانین رابطه ترتیبی هستند که نوع خاصی از قوانین رابطه ای هستند که ترتیب عددی بین خصوصیاتی که معمولا در یک مجموعه داده رخ می دهد را توصیف می کنند. طبقه بندی ما بر مبنای کشف قوانین رابطه وابستگی برای پیش بینی معیوب بودن و نبودن یک واحد نرم افزاری است. یک ارزیابی تجربی از مدل پیشنهادی در مجموعه داده های منابع آزاد ناسا و همچنین مقایسه رویکردهای موجود مشابه ارائه شده است. نتایج به دست آمده نشان می دهد که طبقه بندی ما، برای بیشتر سنجش ارزیابی در نظر گرفته شده، آموزش روش های ماشینی موجود برای عیب یابی را انجام می دهد. این پتانسیل پیشنهاد ما را تایید می کند.

     


    برچسب ها: عیب یابی نرم افزار مقاله عیب یابی نرم افزار ترجمه مقاله عیب یابی نرم افزار مقاله درباره عیب یابی نرم افزار
  

به ما اعتماد کنید

تمامي كالاها و خدمات اين فروشگاه، حسب مورد داراي مجوزهاي لازم از مراجع مربوطه مي‌باشند و فعاليت‌هاي اين سايت تابع قوانين و مقررات جمهوري اسلامي ايران است.
این سایت در ستاد سازماندهی ثبت شده است.

درباره ما

فروش اینترنتی فایلهای قابل دانلود، پروژه، مقاله، پایان نامه، گزارش کار و....
در صورتی که نیاز به راهنمایی دارید، صفحه راهنمای سایت را مطالعه فرمایید.
ایمیل: info [at] stufile.ir
پیامک سایت: 500028356615
شرکت به پرداخت ملت درگاه پرداخت پارسیان

تمام حقوق سایت StuFile.ir محفوظ می باشد و هرگونه کپی برداری پیگرد قانونی دارد. طراحی سایت