| Titre : | Software clones clone s detection using multiplayer perception (MLP) |
| Auteurs : | SEBIH Asmaa, Acteur ; Mostefai abdelkader, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université de Saida - Dr Moulay Tahar. Faculté des Sciences. Département de l’Informatique, 2023/2024 |
| Format : | 75 p / ill |
| Accompagnement : | CD rom |
| Langues: | Anglais |
| Index. décimale : | BUC-M 008043 |
| Catégories : |
Master's thesis Specialty: Computer modeling of knowledge and reasoning (MICR) |
| Mots-clés: | Background ; State of the art ; proposed method ; empirical study |
| Résumé : |
Les techniques de data mining jouent un rôle crucial dans la résolution du défi de la détection des clones logiciels, en mettant l'accent sur les Multilayer Perceptrons (MLP). Les clones de code, qui sont des segments de code dupliqués ou similaires, peuvent considérablement augmenter le risque de bogues logiciels et de vulnérabilités. Cette recherche vise à développer un modèle basé sur les MLP conçu pour identifier automatiquement les clones logiciels. Ces clones peuvent être des indicateurs de failles potentielles, et en analysant les similarités entre les fragments de code, le modèle proposé cherche à détecter efficacement ces clones. Cette approche contribue à une stratégie plus efficace pour la gestion et la réduction des défauts logiciels. L'étude compare les méthodes traditionnelles de détection des clones, telles que l'inspection manuelle et l'analyse de similarité du code, avec des techniques contemporaines d'apprentissage automatique. Elle introduit une approche basée sur les MLP pour automatiser le processus de détection des clones, offrant une solution plus précise et évolutive pour identifier les segments de code problématiques. Les performances du modèle sont évaluées à l'aide de jeux de données réels, montrant sa supériorité par rapport aux méthodes traditionnelles en termes de précision et d'efficacité. Grâce à cette recherche, la thèse apporte une avancée significative dans le domaine de l'ingénierie logicielle en exploitant les réseaux neuronaux avancés et les techniques de data mining pour améliorer le processus de détection des clones logiciels, améliorant ainsi la fiabilité et la sécurité des systèmes logiciels. |
| Note de contenu : |
Chapter 01 : Background
Chapter 02 : State of the art Chapter 03 : proposed method Chapter 04 : empirical study |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
BUC-M 008043 Adobe Acrobat PDF |
