دانلود ترجمه Data Mining Techniques for Software Effort

عنوان ترجمه :

 تكنيك هاي داده كاوي براي برآورد امور نرم افزاري

(Data Mining Techniques for Software Effort)

جهت دانلود اصل مقاله كليك كنيد ۲۳ صفحه

Abstract—A predictive model is required to be accurate and comprehensible in order to inspire confidence in a business setting. Both aspects have been assessed in a software effort estimation setting by previous studies. However, no univocal conclusion as to which technique is the most suited has been reached. This study addresses this issue by reporting on the results of a large scale
benchmarking study. Different types of techniques are under consideration, including techniques inducing tree/rule-based models like M5 and CART, linear models such as various types of linear regression, nonlinear models (MARS, multilayered perceptron neural
networks, radial basis function networks, and least squares support vector machines), and estimation techniques that do not explicitly induce a model (e.g., a case-based reasoning approach). Furthermore, the aspect of feature subset selection by using a generic backward input selection wrapper is investigated. The results are subjected to rigorous statistical testing and indicate that ordinary least squares regression in combination with a logarithmic transformation performs best. Another key finding is that by selecting a subset of highly predictive attributes such as project size, development, and environment related attributes, typically a significant increase in estimation accuracy can be obtained.

چكيده ترجمه :

يك مدل پيش بيني براي اينكه در تشكيلات تجاري مطمئنن باشد بايد درست و جامع باشد . تحقيقات قبلي هر دو جنبه را در يك برآورد امور نرم افزاري ارزيابي كرده اند . اما هيچ نتيجه گيري قاطعي در باب اينكه كدام تكنيك مناسب تر از همه مي باشد حاصل نشده است . اين تحقيق با نتايج گزارش  يك مطالعه ي بزرگ مقياس به اين موضوع مي پردازد . انواع مختلف تكنيك ها تحت بررسي هستند كه عبارتند از : مدل هاي مبتني بر قانون درخت از قبيل M5  و cart ، مدل هاي خطي از قبيل انواع مختلف رگراسيون خطي ، مدل هاي غير خطي و تكنيك هاي برآورد كه باعث ايجاد يك مدل نمي شوند . علاوه بر اين جنبه ي انتخاب زير مجموعه ي ويژگي با استفاده از يك انتخاب ورودي مورد بررسي قرار مي گيرد . نتايج در معرض تست آماري قرار مي گيرند و نشان مي دهند كه رگراسيون حداقل مربع در تركيب با يك تبديل لگاريتمي بهترين عملكرد را دارد . يك يافته كليدي ديگر است كه با انتخاب يك زير مجموعه از صفات پيش بيني از قبيل اندازه ي پروژه ، توسعه و صفات مرتبط با محيط مي توان افزايش در صحت برآورد را بدست آورد.

جهت دانلود ترجمه مقاله با فرمت ورد بر روي لينك زير كليك نماييد 

۴۴ صفحه

230,000 ریال – خرید

تذكر : مطالبي كه شامل پرداخت هزينه مي باشند لينك دانلود پس از پرداخت موفق قابل نمايش و به ايميل شما ارسال مي شود ، در صورت نبود ايميل در بخش دريافتي ها به بخش اسپم ايميل خود مراجعه نماييد.