فایل ورد کامل خوشه بندی و طبقه‌ بندی مولفه نرم ‌افزاری برای بازیابی مولفه موثر و ساخت کتابخانه‌ های استفاده مجدد از مولفه

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 خوشه بندی و طبقه‌ بندی مولفه نرم ‌افزاری برای بازیابی مولفه موثر و ساخت کتابخانه‌ های استفاده مجدد از مولفه،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۱۴ صفحه

۵ نتیجه‌گیری
در این مقاله، برای مقایسه شباهت بین دو مولفه یا سند شرایط نرم‌افزاری، تابع شباهت جدیدی را تعریف می‌کنیم. الگوریتم خوشه‌بندی مجموعه‌ای از مولفه‌های نرم‌افزاری تدوین می‌شوند که از تابع شباهت پیشنهادی برای تعیین شباهت میان این دو ماهیت نرم‌افزاری استفاده می‌کند. ورودی الگوریتم، ماتریس شباهت و خروجی آن نیز مجموعه‌ای از خوشه‌های منسجم است. این الگوریتم در مجموعه‌ای از پروژه‌ها با پارامترهای از پیش تعیین شده به کار رفته و خوشه‌بندی فرآیند نیز صورت می‌گیرد تا بتوانیم هزینه پروژه را با توجه به ویژگی‌های پروژه‌هایی ارزیابی کنیم که پیشتر انجام شده‌اند. در آینده، می‌توان با استفاده از طبقه‌بندی‌های منطق فازی از این رویکرد برای طبقه‌بندی مولفه‌ها استفاده کرد. با استفاده از الگوریتم [۱۱] می‌توان پیچیدگی تحقیق را در جائی کاهش داد که به عنوان بخشی از بازیابی مولفه ضروری است.

عنوان انگلیسی:Clustering and Classification of Software Component for Efficient Component Retrieval and Building Component Reuse Libraries~~en~~

۵ Conclusion

In this paper, we define a new similarity function to compute the similarity between any two software components or software requirement documents. An algorithm to cluster a set of software components is outlined which uses the proposed similarity function to find the similarity among any two software entities. The input to algorithm is a similarity matrix and the output is the set of cohesive clusters. The algorithm is applied to set of projects with predefined parameters and clustering process is carried out from which we can estimate the cost of the project from the properties of previously carried out projects. In future, the approach can be extended to classify the components using classifiers by applying fuzzy logic. The search complexity can be reduced by using the algorithm [11] where ever necessary as part of component retrieval.

$$en!!