Skip navigation
Use este identificador para citar ou linkar para este item: https://repositorio.ufpe.br/handle/123456789/12377
Título: Comparação de Desempenho de Classificadores One-class e Classificadores Convencionais Aplicados Ao Problema da Detecção de Falhas Em Módulo de Software
Autor(es): Costa Neto, João Rufino da
Palavras-chave: teste de software; detecção de defeito; classificação oneclass; algoritmos de otimização; aprendizagem de máquina
Data do documento: 28-Ago-2013
Editor: Universidade Federal de Pernambuco
Citação: COSTA NETO, João Rufino da. Comparação de desempenho de classificadores one-class e classificadores convencionais aplicados ao problema da detecção de falhas em módulo de software. Recife, 2013. 104 f. Dissertação (mestrado) - UFPE, Centro de Informática, Programa de Pós-graduação em Ciência da Computação, 2013.
Resumo: É difícil assegurar a qualidade de um software sem focar nas atividades de teste, que apresentam elevado custo ao seu processo de desenvolvimento. Com o intuito de reduzir os custos desse processo de teste, algumas técnicas de inteligência artificial foram aplicadas, como a classificação. Além disso, é importante observar que a maioria das bases de dados referentes a módulos propensos a falha apresentam um alto grau de desbalanceamento. Portanto, é essencial o uso de classificadores que lidem da melhor forma com esse desbalanceamento dos dados. O principal objetivo desse trabalho é avaliar e comparar performances dos classificadores one-class e classificadores convencionais aplicados ao problema de detecção de módulos de software que tendem a apresentar falhas, otimizando-os de acordo com o algoritmo de Colônia Artificial de Abelhas (Artificial Bee Colony – ABC, em inglês).
URI: https://repositorio.ufpe.br/handle/123456789/12377
Aparece na(s) coleção(ções):Dissertações de Mestrado - Ciência da Computação

Arquivos deste item:
Arquivo Descrição TamanhoFormato 
Dissertacao Joao R. Costa Neto.pdf2,23 MBAdobe PDFVer/Abrir


Este arquivo é protegido por direitos autorais



Este item está licenciada sob uma Licença Creative Commons Creative Commons