دانلود پایان نامه فارسی رشته کامپیوتر -- تولید خودکار داده های تست نرم افزار -- Automatic software test data generation

اختصاصی از نیک فایل دانلود پایان نامه فارسی رشته کامپیوتر -- تولید خودکار داده های تست نرم افزار -- Automatic software test data generation دانلود با لینک مستقیم و پر سرعت .

قالب : پی دی اف (PDF)

تعداد صفحات: 95 صفحه

سال انتشار: 1393

در این گزارش یکی از مسائل مهم مهندسی نرم افزار یعنی تست نرم افزار بحث شده است. جنبه ای از تست نرم افزار که در این مورد به آن پرداخته شده تولید اتوماتیک یا خودکار موارد آزمون یا تست کیس ها (Automatic Test Data Generation) می باشد. هدف از تست نرم افزار یافتن خطاهای نرم افزار پیش از ارائه آن به بازار است. مشکلی که وجود دارد این است که تست فرآیندی طولانی، زمانبر و پرهزینه است و از طرفی ممکن است همه خطاهای موجود را نیز پوشش ندهد.

تست اتوماتیک نرم افزار تلاش میکند با استفاده از روشهای تکاملی و یا روشهای یادگیری ماشین این فرآیند را خودکارسازی کند و لذا از هزینه و زمان موردنیاز بکاهد و دقت فرآیند را افزایش دهد.

چکیده

فرآیند تست 50 % کل هزینه توسعه نرم افزار را شامل می شود. به منظور تست نرم افزار، باید مجموعه ای از داده های تست تولید شوند. تولید این مجموعه، کاری بسیار زمانبر بوده و تاثیر مستقیمی بر هزینه فرآیند تست خواهد داشت. بدون خودکارسازی، این فرآیند کند، پرهزینه و همراه با خطا خواهد بود. بنابراین به دنبال روشی برای تولید خودکار این مجموعه هستیم تا با الگوریتمی کارا و با سرعت مناسب مجموعه تستی تولید کند که بیشترین تعداد خطا را کشف نماید. امروزه توجه به خودکارسازی فرآیند تست به شدت افزایش یافته و ابزارهای تجاری و تحقیقاتی بسیاری در این زمینه در دسترس هستند. در این گزارش به بررسی و طبقه بندی تکنیکها و الگوریتم های تولید خودکار داده های تست با رویکردی پرداخته ایم و تعدادی از ابزار های مطرح در این زمینه را شرح داده ایم.

فهرست مطالب:

فصل اول: مقدمه

فصل دوم: تست نرم افزار

تعاریف اولیه

مبانی تست نرم افزار

اهداف تست

اصول تست

تست پذیری نرم افزار ها

سطوح مختلف تست

تست واحد

تست یکپارچگی

تست سیستم

تست پذیرش

چرخه عمر تست نرم افزار

روش های تست

انواع تست

تست سیستمهای مبتنی بر وب

فصل سوم : تست خودکار نرم افزار

دسته بندی کلی الگوریتم های تولید داده تست

دسته بندی از نظر چشم انداز

دسته بندی از نظر نوع اجرا

معماری یک سیستم تولید داده تست ایستا

تست پویا

تست ترکیبی

مقایسه کلی

دسته بندی از نظر الگوریتم

تولید داده تست تصادفی

تولید داده های تست بر مبنای جستجو

تولید داده های تست مبتنی بر مدل

تولید داده های تست به منظور تست غیر تابعی

تولید داده های تست به منظور تست رگرسیون

تولید داد ههای تست به منظور تست زمان اجرا

تحلیل جهش

فصل 4: ابزارهای تست خودکار نرم افزار

xUnit

JUnit

HTTPUnit

HTMLUnit

Selenium

Selenium ID

Selenium Remote Control

EMMA

Testing Framework based on .NET

فضای نام .Net CodeDOM

فصل 5: نتیجه گیری

مراجع

** مناسب برای پروژه درس های سمینار رشته مهندسی کامپیوتر گرایش نرم افزار، مهندسی نرم افزار پیشرفته، مباحث پیشرفته در مهندسی نرم افزار، یادگیری ماشین، هوش مصنوعی، سیستم های خبره و مهندسی دانش، پروژه پایانی کارشناسی، پروژه پایانی کاردانی، سمینار کارشناسی ارشد.

کلمات کلیدی این صفحه: پایان نامه کارشناسی ارشد کامپیوتر، پایان نامه نرم افزار، پایان نامه رشته کامپیوتر، کاربرد یادگیری ماشین در مهندسی نرم افزار، هوش مصنوعی در مهندسی نرم افزار، سمینار کارشناسی ارشد کامیپوتر، مقاله ترجمه شده، مقاله آی اس آی، ISI، مقاله کامپیوتر، مهندسی نرم افزار، تست نرم افزار، آزمون نرم افزار، تست اتوماتیک نرم افزار، تست خودکار نرم افزار، پروژه آماده رشته کامپیوتر، خودکار سازی تست نرم افزار، خودکار سازی آزمون نرم افزار، تولید تست کیس ها، تولید خودکار تست کیس ها، تولید اتوماتیک تست کیس ها، اولویت بندی تست کیس ها، اولویت بندی موارد آزمون، الویت بندی تست کیس ها، الویت بندی موارد آزمون ، مقاله مهندسی نرم افزار، پروژه مهندسی نرم افزار، گزارش مهندسی نرم افزار، تحقیق مهندسی نرم افزار، تولید خودکار داده های تست، کاهش تست کیس ها، انتخاب تست کیس ها، انتخاب موارد آزمون، پایان نامه کامپیوتر، پایان نامه رشته کامیپوتر، پایان نامه کارشناسی ارشد کامیپوتر، ترجمه مقاله کامپیوتر، Software engineering, software maintenance, automatic software maintenance, automatic software testing, automatic software test case generation, automatic software test data generation, test case selection, test case prioritization, test selection, test reduction, machine learning in software engineering

پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.

تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه با آدرس ایمیل:

[e-mail]

شماره تماس ما در نرم افزار واتس آپ:

[phone]

شماره تماس ما در نرم افزار تلگرام:

[phone] 

 توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.

تعیین زیرمجموعه های بهینه جهت آموزش به شبکه عصبی در پایگاه داده با مثالهای زیاد

اختصاصی از نیک فایل تعیین زیرمجموعه های بهینه جهت آموزش به شبکه عصبی در پایگاه داده با مثالهای زیاد دانلود با لینک مستقیم و پر سرعت .

انتخاب نمونه یک مسئله اساسی در زمینه آموزش شبکه های هوشمند است، که هدف آن یافتن یک زیرمجموعه نمونه کوچک و بهینه از کل پایگاه داده است، درحالیکه بعنوان یک مجموعه نماینده از نمونه های اولیه، کارایی مناسبی بجای بگذارد. هدف از انتخاب نمونه، بهبود کارایی الگوریتم یادگیری مخصوصا برای پایگاه های داده با ابعاد بالاست که این کار توسط پیداکردن نمونه هایی که بیشترین تاثیر را بر روی طبقه بندی دارند انجام می شود. الگوریتم های انتخاب نمونه به دو دسته کلی تقسیم می شوند: روش های انتخابی و روش های تولیدی. هدف متدهای انتخابی انتخاب یک زیرمجموعه از نمونه های موجود در پایگاه داده است. اما متدهای تولیدی، نمونه های انتخاب شده را اصلاح می کنند و بدین ترتیب نمونه های جدیدی تولید می نمایند. روشهای انتخاب مثال موجود عموما برای طبقه بندی کننده نزدیک ترین همسایگی طراحی شده اند بنابراین باید بهینه ترین روش، انتخاب و بگونه ای اصلاح شود که با استفاده از آن بتوان برای شبکه های عصبی مصنوعی مثالهای موثر در آموزش را انتخاب نمود. در این پروژه یک روش ترکیبی که بر اساس ترکیب موثری از روش های انتخابی و تولیدی بوده معرفی شده است. بدین صورت از مزایای هر دو روش به طور موثری بهره برداری گردیده است. استدلال ما برای این افزایش توانایی و دقت این است که در روش های انتخابی، نمونه های موثر گزینش شده و از طرفی در روشهای تولیدی با تکیه بر این اصل که ممکن است نمونه مورد نظر در بهینه ترین مکان خود قرار نگرفته باشد، اقدام به اصلاح نمونه ها کرده و بهترین موقعیت را برای آنها ایجاد می نمایند. در فاز اول روش ترکیبی نمونه های نماینده انتخاب شده و سپس در فاز دوم به روش می نیمم یابی Simplex Nelder-Mead ، مثالها بهینه سازی شده و مثال تولید شده جایگزین مثال قبلی می شود در واقع مثالهایی که از روش انتخابی کاندید می شوند ، حدس اولیه برای روش تولیدی هستند. روش های ارائه شده بر روی تعدادی از پایگاههای داده معتبر آزمایش شده و نتایج آنها در مقایسه با دیگر روشها تحلیل می شود. نتایج بدست آمده موثر بودن روشها را تایید می کند.

پاورپوینت پایگاه داده چند رسانه‌ای

اختصاصی از نیک فایل پاورپوینت پایگاه داده چند رسانه‌ای دانلود با لینک مستقیم و پر سرعت .

پاورپوینت پایگاه داده چند رسانه‌ای

فرمت پاورپوینت

28 اسلاید

جامع و کامل به همراه نمودار و عکس

رئوس مطالب:

مقدمه

مدیریت اطلاعات مالتی‌مدیا در پایگاه داده:

نکات مورد توجه برای ذخیره سازی داده ها

معماری سیستم

Continuous-Media Data

ماهیت داده‌های مالتی‌مدیا

فرمت داده‌های مالتی‌مدیا

پردازش Queryها

پاورپوینت آماده دسته بندی شی داده

اختصاصی از نیک فایل پاورپوینت آماده دسته بندی شی داده دانلود با لینک مستقیم و پر سرعت .

پاورپوینت آماده با موضوع دسته بندی شی داده مناسب برای ارایه در درس های رشته های کامپیوتر و آی تی

تحلیل داده های آماری با نرم افزار SPSS

اختصاصی از نیک فایل تحلیل داده های آماری با نرم افزار SPSS دانلود با لینک مستقیم و پر سرعت .

این جزوه مربوط به درس روشهای تحلیل آماری با نرم افزار SPSS دانشجویان مقطع کارشناسی ارشد جامعه شناسی دانشگاه گیلان می باشد که با توجه به مباحث کلاسی استاد مربوطه دکتر نادر افقی به زبان علمی و ساده تنظیم شده است. فهرست مطالب این جزوه عبارتند از: مقدمه، شاخصهای مرکزی، شاخصهای پراکندگی، تجزیه و تحلیل و توصیف یافته ها، الف) آزمونهای پارامتریک: 1) آزمونهای تفاوت: 1-1) آزمون تفاوت یک نمونه ای 1-2) آزمون تفاوت دو نمونه ای 1-3) آزمون تفاوت چند نمونه ای 2) آزمون رابطه، ضریب همبستگی پیرسون، همبستگی جزئی ب) آزمونهای ناپارامتریک: 1) آزمون تفاوت: 1-1) آزمون تفاوت یک نمونه ای 1-2) آزمون تفاوت دو نمونه ای مستقل 1-3) آزمون تفاوت چند نمونه ای مستقل 2) آزمونهای رابطه: 2-1) آزمونهای رابطه ای کیفی: جداول تقاطعی (توافقی یا دو بعدی) 2-2) آزمونهای رابطه ای کمی، ضرایب مبتنی بر اصل کاهش خطای پیش بینی، ضریب عدم اطمینان، اعتبار یا روایی، پایایی یا قابلیت اعتماد، جدول خلاصه آزمونهای پارامتری و ناپارامتری