ارزیابی اثر بخشی معیارهای شی گرا برای پیش بینی قابلیت نگهداری

قیمت: 43,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

ارزیابی اثر بخشی معیارهای شی گرا برای پیش بینی قابلیت نگهداری

عنوان لاتین

Validating the Effectiveness of Object-Oriented Metrics for Predicting Maintainability

در این مطالعه بصورت تجربی رابطه معیارهای شی گرایی موجود در سطح کلاس با یک پارامتر کیفیت یعنی قابلیت نگهداری بررسی می شود. در اینجا، زیرمجموعه های مختلفی از معیارهای نرم افزاری شی گرا برای ارائه داده های ورودی لازم برای طراحی مدل های پیش بینی قابلیت نگهداری با استفاده از الگوریتم عصبی-ژنتیک در نظر گرفته شده اند (رویکرد ترکیبی شبکه عصبی و ژنتیک). این تکنیک برای ارزیابی قابلیت نگهداری در دو مطالعه موردی مختلف یعنی سیستم ارزیابی کیفیت (QUES) و سیستم رابط کاربر (UIMS) استفاده می شود. پارامترهای عملکردی این تکنیک بر مبنای خطای میانگین مطلق (MAE)، خطای میانگین نسبی مطلق (MARE)، خطای میانگین مربع ریشه (RMSE) و خطای استاندارد میانگین (SEM) ارزیابی می شوند. نتایج به دست آمده ثابت می کنند که معیارهای زیرمجموعه مشخص شده می توانند قابلیت نگهداری را با دقت بالاتری پیش بینی کنند.

In this study, empirically investigates the relationship of existing class level object-oriented metrics with a quality parameter i.e., maintainability. Here, different subset of Object-Oriented software metrics have been considered to provide requisite input data to design the models for predicting maintainability using Neuro-Genetic algorithm (hybrid approach of neural network and genetic algorithm). This technique is applied to estimate maintainability on two different case studies such as Quality Evaluation System (QUES) and User Interface System (UIMS). The performance parameters of this technique are evaluated based on the basis of Mean absolute error (MAE), Mean Absolute Relative Error (MARE), Root Mean Square Error (RMSE), and Standard Error of the Mean (SEM). The results reported that the identified subset metrics demonstrated an improved maintainability prediction with higher accuracy.