آمار بازدیدکنندگان برسی روش های کلاسه بندی در پیش بیني خطای نرم افزار

برسی روش های کلاسه بندی در پیش بیني خطای نرم افزار

پروژه و گزارش ویژه مخصوص دانشجویان ارشد و دکتری گرایش های مختلف رشته کامپیوتر، چکيده: امروزه، سیستم های نرم افزاری، به طور فزاینده ای پیچیده و متنوع شده اند. لذا شناسایی و تصحیح خطا به طور مداوم در نرم افزار بسیار مهم است. بنابراین، پیش بینی دقیق اینکه آیا یک نهاد نرم افزار شامل خطای طراحی است ...

دسته بندی: فنی و مهندسی » کامپیوتر و IT

تعداد مشاهده: 605 مشاهده

فرمت فایل دانلودی:.docx

فرمت فایل اصلی: docx

تعداد صفحات: 55

حجم فایل:791 کیلوبایت

  پرداخت و دانلود  قیمت: 24,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.
0 0 گزارش
  • چکيده:
    امروزه، سیستم های نرم افزاری، به طور فزاینده ای پیچیده و متنوع شده اند. لذا شناسایی و تصحیح خطا به طور مداوم در نرم افزار بسیار مهم است. بنابراین، پیش بینی دقیق اینکه آیا یک نهاد نرم افزار شامل خطای طراحی است می تواند به بهبود کیفیت سیستم نرم افزار کمک کند.برای پيش بينی خطاپذیری ماژول های نرم افزاری، به متریک های نرم افزاری نياز است. نرم افزار استفاده شده است. یادگیری ماشین روی توسعه برنامه های کامپیوتری  که می توانند با داده های جدید در معرض آموزش قرار گیرند، تمرکز دارد. توانایی یک ماشین در یادگیری به منظور بهبود عملکرد آن بر اساس نتایج قبلی است. برای این منظور، از روش های یادگیری ماشین های مختلف استفاده می شود يكي از مسائل اصلي مطرح شده در يادگيري ماشين است و بسياري از (Classification) مسئله دسته بندي مسائل را ميتوان به صورت يك مسئله دسته بندي مطرح كرده و حل كرد. از طرفي در يادگيري ماشين نيز روش هاي مختلفي براي حل مسئله دسته بندي صورت گرفته است.يكي از روش هايي كه در حال حاضر به صورت گسترد ه اي براي مسئله دسته بندي مورد استفاده قرار مي گيرد،است. شايد به گونه اي بتوان محبوبيت كنوني روش ماشين بردار پشتيبان را با (SVM) روش ماشين بردار پشتيبان محبوبيت شبكه هاي عصبي در دهه گذشته مقايسه كرد. علت اين قضيه نيز قابليت استفاده اين روش در حل مسائل گوناگون مي باشد، در حاليكه رو ش هايي مانند درخت تصميم گيري را نمي توان به را حتي در مسائل مختلف به كار برد.

    فهرست مطالب:
    چکيده
    فصل اول: مبانی پیش بینی خطای نرم افزار
    1-1-پیشگفتار
    1-2-هدف از انجام پژوهش
    1-3- مدلهای مختلف پیش بیني خطا در نرم افزار
    1-4-روشهای مختلف برای مدل سازی پیش بیني خطا در نرم افزار
    فصل دوم: روشهای یادگیری ماشین در مدل سازی پیش بیني خطا در نرم افزار
    2-1- روشهای یادگیری ماشین در مدل سازی پیش بیني خطا در نرم افزار
    2-2-روشهای کاهش ویژگي
    2-3- روشهای رگرسیون
    2-3-1-روش کلاسه بند شبکه بیزین
    2-3-2-روش تحلیل جداساز
    2-3-3-روش رگرسیون منطقي
    2-4-روش های کلاسه بندی
    2-4-1- روشهای یادگیری ماشین مبتني بر درخت
    2-4-2- روشهای یادگیری ماشین مبتني بر شبکه های عصبی
    2-5- روشهای ترکیبي
    2-5-1- روش  Bagging
    2-5-2-بوستینگ
    2-6- روش جنگل تصادفي
    2-7- ترکیب جدایی ناپذیر فازی بر اساس GA-FM
    2-8-مزایا و محدودیت های هر تکنیک های مختلف
    2-9- فرکانس استفاده از هر یک از روش های یادگیری
    فصل سوم: ماشین‌های بردار پشتیبان
    3-1- مقدمه
    3-2-نحوه مدلسازی رفتار نرم‌افزار و کاربردهای آن
    3-3- مدلسازی رفتار نرم‌افزار با استفاده از روش طبقه‌بندی
    3-4-روشهای یادگیری ماشین مبتني بر هسته
    3-5-روش طبقه‌بندی ماشین بردار پشتیبان
    3-5-1-نحوه تشکیل ابرسطح جداکننده توسط ماشین بردار پشتیبان
    صورت اولیه مسأله
    3-6- نحوه حل مسأله در حالت کلی
    حل مسأله اصلی
    مسأله همزاد
    3-7-نرم افزار  LIBSVM
    فصل چهارم: داده های مورد ارزیابی در پیش بینی خطا
    4-1-طبقه بندی  بر اساس داده های ورودی / خروجی
    4-2-دادگان ارزیابي پراستفاده در پیش بیني خطای نرم افزار
    4-3-متریک های پراستفاده و مهمِ دادگان ارزیابي پیش بیني خطا
    4-4-معیارهای ارزیابي مدلهای پیشبیني خطا در نرم افزار
    4-4-1-تجزیه و تحلیل شاخص گیرنده های عامل
    4-5-نحوه اعتبارسنجي دادگان ارزیابي خطا در نرم افزار
    4-6- پژوهش های پیش رو در مدلسازی پیش بیني خطا در نرم افزار
    فهرست منابع
    فهرست جداول
    فهرست شکل ها
    فهرست علایم، نشانه ها و مخفف ها




    برچسب ها: پيش بينی خطا در نرم افزار روش کلاسه بندی خطای نرم افزار روش یادگيری ماشين SVM پروژه پيش بينی خطا روش های کلاسه بندی یادگيری ماشين SVM پروژه SVM یادگيری ماشين SVM
  • مناسب جهت استفاده دانشجویان رشته کامپیوتر و فناوری اطلاعات
  • در قالب فایل word و قابل ویرایش
  

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

فایلود صرفا یک طرح کارآفرینی مشارکتی است با هدف درآمد زایی برای دانش آموزان، دانشجویان، محققان و کاربران اینترنتی (تاسیس: سال 1392)

  • 3011 103 0903
  • info@fiload.ir

با همکاری:

تمام حقوق این سایت محفوظ است. کپی برداری پیگرد قانونی دارد. طراحی و پیاده سازی وبتینا