Skip navigation
Please use this identifier to cite or link to this item: https://repositorio.ufpe.br/handle/123456789/12377
Title: Comparação de Desempenho de Classificadores One-class e Classificadores Convencionais Aplicados Ao Problema da Detecção de Falhas Em Módulo de Software
Authors: Costa Neto, João Rufino da
Keywords: teste de software;detecção de defeito;classificação oneclass;algoritmos de otimização;aprendizagem de máquina
Issue Date: 28-Aug-2013
Publisher: Universidade Federal de Pernambuco
Citation: 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.
Abstract: 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
Appears in Collections:Dissertações de Mestrado - Ciência da Computação

Files in This Item:
File Description SizeFormat 
Dissertacao Joao R. Costa Neto.pdf2.23 MBAdobe PDFView/Open


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons