Analyse et conception de l'estimation de l'effort de développement logiciel - Shivakumar, Nagarajan;Balaji, Narayanan;Vignaraj Ananth, Vickraman
40,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
20 °P sammeln
  • Broschiertes Buch

Le livre est organisé comme suit : Le chapitre 1 décrit le processus de développement de logiciels, la nécessité d'estimer l'effort et les différentes approches des techniques algorithmiques d'estimation de l'effort. Le chapitre 2 présente une étude documentaire des approches existantes en matière d'estimation de l'effort et fournit un rapport détaillé sur la combinaison non algorithmique des approches afin d'améliorer la précision de l'estimation. Le chapitre 3 propose une nouvelle méthode d'estimation de l'effort basée sur la logique floue avec une taille de point de fonction. La fonction…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
Le livre est organisé comme suit : Le chapitre 1 décrit le processus de développement de logiciels, la nécessité d'estimer l'effort et les différentes approches des techniques algorithmiques d'estimation de l'effort. Le chapitre 2 présente une étude documentaire des approches existantes en matière d'estimation de l'effort et fournit un rapport détaillé sur la combinaison non algorithmique des approches afin d'améliorer la précision de l'estimation. Le chapitre 3 propose une nouvelle méthode d'estimation de l'effort basée sur la logique floue avec une taille de point de fonction. La fonction d'appartenance triangulaire floue est utilisée avec le paramètre de taille dans le point de fonction. Ce modèle est comparé au modèle COCOMO pour sa précision. Le chapitre 4 propose un schéma neuro-flou adaptatif qui intègre le concept de réseau neuronal artificiel et de logique floue. Le chapitre 5 propose l'optimisation par essaim particulaire et l'algorithme hybride K means pour le regroupement des données, et l'effort est estimé à l'aide d'un réseau neuronal et d'une estimation basée sur l'analogie. Le chapitre 6 est une comparaison de tous les modèles proposés dans quatre expériences. Les mesures utilisées sont MRE, MAE, MBRE et MIBRE. Les résultats montrent que les algorithmes neuro-flous et de clustering sont les meilleurs pour estimer l'effort logiciel.
Autorenporträt
Assistenzprofessorin am Thiagarajar College of Engineering und Doktorandin in Software Engineering, mit Forschungsinteresse an maschinellem Lernen, Deep Learning und virtueller Realität.