Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Search-based prediction of fault count data
Ansvarig organisation
2009 (Engelska)Konferensbidrag, Publicerat paper (Refereegranskat) Published
Abstract [en]

Symbolic regression, an application domain of genetic programming (GP), aims to find a function whose output has some desired property, like matching target values of a particular data set. While typical regression involves finding the coefficients of a pre-defined function, symbolic regression finds a general function, with coefficients, fitting the given set of data points. The concepts of symbolic regression using genetic programming can be used to evolve a model for fault count predictions. Such a model has the advantages that the evolution is not dependent on a particular structure of the model and is also independent of any assumptions, which are common in traditional time-domain parametric software reliability growth models. This research aims at applying experiments targeting fault predictions using genetic programming and comparing the results with traditional approaches to compare efficiency gains.

Ort, förlag, år, upplaga, sidor
Windsor: IEEE Computer Society , 2009.
Nyckelord [en]
search-based, fault prediciton
Nationell ämneskategori
Programvaruteknik Datavetenskap (datalogi)
Identifikatorer
URN: urn:nbn:se:bth-8089ISI: 000268319000004Lokalt ID: oai:bth.se:forskinfo248E919B72CE2D82C12575C7002931EBISBN: 978-0-7695-3675-0 (tryckt)OAI: oai:DiVA.org:bth-8089DiVA, id: diva2:835776
Konferens
1st Internation Symposium on Search Based Software Engineering
Tillgänglig från: 2012-09-18 Skapad: 2009-05-31 Senast uppdaterad: 2018-01-11Bibliografiskt granskad

Open Access i DiVA

fulltext(78 kB)829 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 78 kBChecksumma SHA-512
c4715aee989e8754a78f84b5017d33ee8b303e7857e206f6545dd038fcc3d7afc1defd45692d670b1b119095f1b3e450a25c0e7505c81501a41c1e3d7e692db6
Typ fulltextMimetyp application/pdf

Personposter BETA

Torkar, RichardFeldt, Robert

Sök vidare i DiVA

Av författaren/redaktören
Torkar, RichardFeldt, Robert
ProgramvaruteknikDatavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 829 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

isbn
urn-nbn

Altmetricpoäng

isbn
urn-nbn
Totalt: 1019 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf