Análisis y diseño de la estimación del esfuerzo de desarrollo de software
Versandkostenfrei!
Versandfertig in 1-2 Wochen
41,99 €
inkl. MwSt.
PAYBACK Punkte
21 °P sammeln!
El libro está organizado de la siguiente manera: El capítulo 1 describe el proceso de desarrollo de software, la necesidad de estimar el esfuerzo y los diferentes enfoques de las técnicas algorítmicas de estimación del esfuerzo. El capítulo 2 presenta un estudio bibliográfico de los enfoques existentes en la estimación del esfuerzo y proporciona un informe detallado sobre la combinación no algorítmica de enfoques para mejorar la precisión de la estimación. El capítulo 3 propone un nuevo método de estimación del esfuerzo basado en la lógica difusa con tamaño de punto de funció...
El libro está organizado de la siguiente manera: El capítulo 1 describe el proceso de desarrollo de software, la necesidad de estimar el esfuerzo y los diferentes enfoques de las técnicas algorítmicas de estimación del esfuerzo. El capítulo 2 presenta un estudio bibliográfico de los enfoques existentes en la estimación del esfuerzo y proporciona un informe detallado sobre la combinación no algorítmica de enfoques para mejorar la precisión de la estimación. El capítulo 3 propone un nuevo método de estimación del esfuerzo basado en la lógica difusa con tamaño de punto de función. Se utiliza la función de pertenencia difusa triangular con parámetro de tamaño en punto de función. Este modelo se compara con el modelo COCOMO por su precisión. El capítulo 4 propone el esquema Adaptive Neuro-fuzzy propuesto para integrar el concepto de red neuronal artificial y lógica difusa. El capítulo 5 propone la optimización de enjambre de partículas y el algoritmo híbrido K means para agrupar los datos, y el esfuerzo se estima con la red neuronal y la estimación basada en la analogía. El capítulo 6 es una comparación de todos los modelos propuestos en cuatro experimentos. Las métricas utilizadas son MRE, MAE, MBRE y MIBRE. Los resultados muestran que tanto los algoritmos neuro-fuzzy como los de clustering son los mejores en la estimación del esfuerzo de software.
Andere Kunden interessierten sich für
