فایل ورد کامل پیش بینی نقص های نرم افزاری با آزمون های علیت

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل پیش بینی نقص های نرم افزاری با آزمون های علیت،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۵۶ صفحه

۸ نتیجه گیری ها
در این مقاله، ما رویکردی را برای پیش بینی نقایص با استفاده از آزمون های علیت تشریح نموده و مورد بررسی قرار دادیم. در مقایسه با دیگر آثار مربوط به پیش بینی نقص، رویکرد ما به منظور پیش بینی تعداد یا وجود نقص در یک کلاس در چارچوب زمانی آینده نیست.درعوض، ما مدلی را پیشنهاد دادیم که نقایص را به محض اینکه آنها در کد منبع وارد می شوند که پیش بینی می کنند. به صورت تخصصی تر، ما بر ورودی حاصل از آزمون گرنجر برای راه اندازی هشدارها تکیه می کنیم هر زمان که اعمال یک تغییر نسبت به یک کلاس، تغییرات مشابهی را در خواص کد منبع که در گذشته موجب نقص شده اند، بازتولید نماید.رویکرد ما به متوسط دقت بیش از ۵۰ در مراحل مختلف حیات سه سیستم از چهار سیستمی که ما ارزیابی نمودیم، رسیده است. علاوه بر این، با مقایسه رویکرد ما با خطوط مبنایی که مبتنی بر آزمون های علیت نیستند، به دقت بهتری نیز نائل می شویم.

عنوان انگلیسی:Predicting software defects with causality tests~~en~~

۸ Conclusions

In this paper, we described and evaluated an approach for predicting defects using causality tests. In contrast with other works on defect prediction, our approach does not aim to predict the number or the existence of defects in a class in a future time frame. Alternatively, we proposed a model that predicts defects as soon as they are introduced in the source code. More specifically, we rely on input from the Granger test to trigger alarms whenever a change performed to a class reproduces similar variations in the class’ source code properties that in the past caused defects. Our approach reached an average precision greater than 50% in several life stages of three out of the four systems we evaluate. Furthermore, by comparing our approach with baselines that are not based on causality tests, it achieved a better precision.

$$en!!