masterThesis
Comparação de Desempenho de Classificadores One-class e Classificadores Convencionais Aplicados Ao Problema da Detecção de Falhas Em Módulo de Software
Registro en:
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.
Autor
Costa Neto, João Rufino da
Institución
Resumen
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).