CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

روش های پیش بینی هزینه ی تولید نرم افزار با استفاده از روش های یادگیری ماشین

عنوان مقاله: روش های پیش بینی هزینه ی تولید نرم افزار با استفاده از روش های یادگیری ماشین
شناسه ملی مقاله: CITCOMP01_313
منتشر شده در کنفرانس بین المللی مهندسی کامپیوتر و فناوری اطلاعات در سال 1395
مشخصات نویسندگان مقاله:

سپیده احمدی مائده - دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد اسلامشهر، تهران، ایران
نگار حسینی - دانشکده مهندسی کامپیوتر، دانشگاه پیام نور هشتگرد، کرج، ایران
مرجان گوهری - دانشکده مهندسی کامپیوتر، دانشگاه پیام نور هشتگرد، کرج، ایران
محمدرضا صادقی - دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد اسلامشهر، تهران، ایران

خلاصه مقاله:
مدیریت پروژه ی نرم افزاری از مهمترین فعالیت ها در توسعه ی محصول نرم افزاری است، چرا که تمامی فرآیند توسعه ی نرم افزار، از ابتدا تا انتها را شامل می گردد. تخمین هزینه ی نرم افزار، یک فعالیت چالشی در مدیریت پروژهی نرم افزاری میباشد. مفهوم تخمین هزینهی نرمافزار، همزمان با شروع صنعت کامپیوتر در سال 1491 مورد توجه قرار گرفته و همچنان پژوهش در این حوزه ادامه دارد. با اینکه تلاش، تنها دربرگیرنده ی بخشی از هزینه های توسعه ی یک پروژه ی نرم افزاری است، اما عامل اساسی برای تعیین هزینه محسوب میگردد. از اینرو در پژوهش های این حوزه، دو اصطلاح تخمین تلاش و تخمین هزینه به صورت معادل به کار میروند. مدل تخمین هزینه ی نرم افزاری مناسب است که قبل از عقد قرارداد، دقت و اطمینان بالایی برای پیش بینی هزینه ی پروژه های نرم افزاری فراهم نماید. به علت ذات غیر قطعی تخمین و در جهت افزایش دقت، به مرور توجه پژوهشگران به استفاده از روش های یادگیری ماشین در این حوزه معطوف گردیده است. در پژوهش حاضر، به بررسی مطالعات صورت گرفته در تخمین هزینه ی نرم افزار با روش های یادگیری ماشین پرداخته و روش های تخمین ارائه شده، معیارهای ارزیابی دقت این روش ها و دادگان مورد استفاده در کارهای پژوهشی و همچنین پژوهش های آتی در این حوزه را معرفی نموده ایم.

کلمات کلیدی:
تخمین هزینه نرم افزار، تخمین تلاش، شبکه های عصبی، درخت تصمیم، شبکه بیز، مدل SLIM، مدل COCOMO

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/494242/