پایان نامه > کتابخانه مرکزی دانشگاه صنعتی شاهرود > مهندسی کامپیوتر > مقطع کارشناسی ارشد > سال 1402
پدیدآورندگان:
مهدی چوبینه [پدیدآور اصلی]، علیرضا تجری[استاد راهنما]، حسین مرشدلو[استاد راهنما]، مرتضی زاهدی[استاد مشاور]
چکیده:
در این پژوهش، با استفاده از معیارهای نرمافزاری مختلف، شامل معیارهای مورد استفاده در ارزیابی کیفیت نرمافزار مانند LOC، NOC، WMC، الگوریتمهای یادگیری ماشین درخت تصمیم (Decision Tree) و جنگل تصادفی (Random Forest) و شبکه عصبی پرسپترون چندگانه (MLP)، به پیشبینی خطای نرمافزاری در کلاسهای جاوا پرداخته شده است. در این پژوهش، یک مدل جدید برای پیشبینی خطای نرمافزاری در کلاسهای جاوا با استفاده از ترکیب این الگوریتمها ارائه شده است. در مدل پیشنهادی، ویژگیهای مختلفی از کد منبع جاوا به عنوان ورودی به مدل داده شدهاند و خروجی مدل، پیشبینی خطای نرمافزاری در کلاسهای جاوا است. برای ارزیابی دقت مدل پیشنهادی، از معیارهای مختلفی مانند دقت، صحت، بازخوانی و معیار F1-score استفاده شده است. با توجه به نتایج به دست آمده در این پژوهش، استفاده از الگوریتمهای یادگیری ماشین و شبکههای عصبی در پیشبینی خطا در کلاسهای جاوا، میتواند بهبود قابل توجهی در کیفیت نرمافزارهای جاوا داشته باشد. به علاوه، مدل پیشنهادی در این پژوهش، به عنوان یک روش پیشرفته برای پیشبینی خطای نرمافزاری پیشنهاد میگردد.
کلید واژه ها (نمایه ها):
#مدل پیشبینی خطای نرمافزار #کلاسهای جاوا #شبکه عصبی پرسپترون چندگانه (MLP) #الگوریتم یادگیری ماشین #درخت تصمیم #جنگل تصادفی #F1-score #ارزیابی کیفیت مدل.
محل نگهداری: کتابخانه مرکزی دانشگاه صنعتی شاهرود
یادداشت: حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.
تعداد بازدید کننده: