دانلود ترجمه مقاله پیش بینی عیب های نرم افزاری با تست های علیت – مجله الزویر

گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” پیش بینی عیب های نرم افزاری با تست های علیت ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.

• فهرست مطالب:

چکیده
۱- مقدمه
۲٫ علیت گرنجر
۲٫۱٫ مجموعه های زمانی ثابت
۲٫۲ آزمون گرنجر
۳- روش پیشنهادی
۳٫۱٫استخراج نقوص مجموعه های زمانی
۳٫۲٫ استفاده از آزمون گرنجر
۳٫۳٫ محاسبه حدود آستانه ای برای آغاز هشدارها
۳٫۴٫ مدل پیش بینی نقص
۴٫ مجموعه داده ها
۴٫۱ توسعه مجموعه داده ها
۴٫۲٫ جمع آوری داده ها
۵٫ مطالعه امکان سنجی
۵٫۱٫ پیش شرط هایی در مجموعه های زمانی نقص ها
۵٫۲٫ پیش شرط های مجموعه های زمانی معیارهای کد منبع
۵٫۳٫ نقص های تحت پوششگرنجر
۵٫۴٫ وقفه های بررسی شده توسطگرنجر
۶٫ ارزیابی مدل
۶٫۱٫ راه اندازی ارزیابی
۶٫۲٫ نتایج
۶٫۲٫۱٫ RQ1:دقت و جامعیت رویکرد ما چیست؟
۶٫۲٫۲٫ RQ2:چگونه رویکرد ما باخط مبناهای پیشنهادی مقایسه می شود؟
.۶٫۲٫۳ RQ3: تاثیر بکارگیری توابع دیگر (متفاوت از میانگین) برای راه اندازی هشدارها چیست؟
۶٫۲٫۴٫ RQ4: با توجه به شدت آنها، نوعاً چه نوع اشکالاتی توسط مدل های پیشنهادی پیش بینی می شوند؟
۷٫ کارهای مرتبط
۸٫ نتیجه گیری ها

• بخشی از ترجمه:

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.

• بخشی از مقاله انگلیسی:

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.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله