تخمین هزینه نرم افزار با استفاده از تبدیل موجک و شبکه های عصبی توسط ژنتیک

تخمین هزینه نرم افزار با استفاده از تبدیل موجک و شبکه های عصبی توسط ژنتیک

تخمین هزینه نرم افزار با استفاده از تبدیل موجک و شبکه های عصبی توسط ژنتیکتعداد صفحات : 75 با فرمت وردفهرست مطالبفهرست جدول‌هافهرست شکل‌‌هافهرست علايم و نشانه‌هافصل 1-    کلیات تحقیق1-1-    مقدمه1-2-    مشکلات تحقیق1-3-    اهداف1-4-    سوالات تحقیق1-5-    ساختار پایان نامهفصل 2-    ادبیات مسئله و پیشینه تحقیق2-1-    مقدمه2-2-    مفهوم تخمین هزینه2-3-    تخمین هزینه نرمافزار2-4-   انواع تخمين2-4-1-   تخمين ساخت يافته2-4-2-   تخمين تحليلي 2-4-3-   تخمين مقايسه اي2-5-   اندازه نرمافزار2-5-1-   تعداد خطوط کد2-5-2-   علم نرم افزار2-5-3-   نقاط کاری.2-5-4-   نقطه ویژگی2-6-    روشهای غيرالگوريتمی2-6-1-   روش داوری کارشناسانه2-6-2-   تخمین با قیاس2-6-3-   روش پارکینسون2-6-4-   پایین به بالا2-6-5-   بالا به پایین2-7-    روشهای الگوريتمی2-7-1-   مدل های COCOMO2-7-2-   مدل Putnam2-7-3-   روش های مبتنی بر آنالیز نقطه ی تابعی2-8-    مدل تخمین هزینه نرم افزار مبتنی بر منطق فازی2-9-    تخمین هزینه نرمافزار با استفاده از شبکههای عصبی2-10- تخمین نیروی کار نرم افزار بوسیله الگوریتم ژنتیک با پارامترهای تنظیم شده2-11- چهارچوب مبتنی بر شبکه عصبی و منطق فازی برای تخمین هزینه توسعه نرم افزار2-12- بهینهسازی پارامترها با استفاده از بهینه سازی دسته ذرات(PSO)2-13- شبکه عصبی موجک برای تخمین هزینه2-14- پیشگویی عصبی-ژنتیک برای توسعه نیروی کار نرم افزاری2-15- شبکه عصبی-موجک و الگویتم ژنتیک2-15-1- مبنای پزشکی شبکههای عصبی2-15-2- نرون مصنوعی2-15-2-1-  تابع انتقال خطی 2-15-2-2-  تابع انتقال لگاریتمی2-15-2-3-  تابع انتقال حلقوی 2-15-3- شبکه عصبی مصنوعی2-15-4- انواع شبکه های عصبی2-15-4-1- شبکه های عصبی پرسپترون2-15-4-2- شبکه های پرسپترون چندلایه2-15-4-3- شبکه توابع پایه شعاعی2-15-4-4- شبکهیادگیری تدریج بردار2-16- الگوریتم ژنتیک2-16-1- ساختار الگوريتم‏هاي ژنتيكي2-16-2- كروموزوم2-16-3- جمعيت2-16-4- تابع برازندگي2-16-5- عملگرهاي الگوریتم ژنتيك2-16-5-1-  عملگر انتخاب2-16-4-2-  عملگر آميزش2-16-5-3- عملگر جهش2-17- تبدیل موجک2-17-1-   تبديل فوريه2-17-2-   تبديل موجک پيوسته2-17-3-   تبديل موجک گسستهفصل 3-   روش پیشنهادی3-1-    مقدمه……3-2-    روش پیشنهادی3-3-    نوآوری انجام شده3-3-1-     شبکه های عصبی- موجک3-3-2-     نرمالسازی3-3-3-     استخراج ویژگی بوسیله الگوریتم ژنتیک3-3-3-1-   عملگر تقاطع3-3-3-2-   جهش3-3-3-3-   تاثیر پارامترهای کنترلی3-3-4-     الگوریتم یادگیریفصل 4-    نتایج تجربی4-1-    پایگاه داده4-1-1-     پارامترهای شبکه4-2-    نتایج تجربی4-3-    مقایسه با روشهای نوینفصل 5-    نتیجه گیریفهرست مراجعچکیده انگلیسی