One of the most important aspects of software project management is the estimation of cost and time required for running information system. Therefore, software managers try to carry estimation based on behavior, properties, and project restrictions. Software cost estimation refers to the process of development requirement prediction of software system. Various kinds of effort estimation patterns have been presented in recent years, which are focused on intelligent techniques. This study made use of clustering approach for estimating required effort in software projects. The effort estimation is carried out through SWR (StepWise Regression) and MLR (Multiple Linear Regressions) regression models as well as CART (Classification And Regression Tree) method. The performance of these methods is experimentally evaluated using real software projects. Moreover, clustering of projects is applied to the estimation process. As indicated by the results of this study, the combination of clustering method and algorithmic estimation techniques can improve the accuracy of estimates. Manuscript profile

محاسبات DNA حوزه ای از محاسبات طبیعی است و بر اساس این ایده است که فرآیندهای زیست شناسی مولکولی می تواند برای اعملیات حسابی و منطقی روی اطلاعات رمزگذاری شده به عنوان رشته های DNA استفاده شود. DNA معمولاً در لوله‌های آزمایشی که مستعد خطا هستند محاسبه می‌شود. سیستم عددی منطبق شده برای سادگی و قابلیت اطمینان فرایندهای محاسباتی DNA حائز اهمیت است. سیستم اعداد مانده‌ای انتخاب خوبی برای قابل‌اعتماد کردن و کارآمدتر کردن عملیات محاسباتی DNA است. قابلیت‌های سیستم تشخیص و تصحیح خطای RNS را می‌توان برای محاسبات DNA مستعد خطا به کار برد. در این مقاله، یک سیستم محاسباتی DNA را بر اساس سیستم اعداد مانده ای افزونه (RRNS) پیشنهاد شده است. این سیستم می تواند دو خطا را تشخیص و یک خطا را نیز تصحیح کند. مدل ادلمن-لیپتون برای انجام عملیات DNA با قابلیت تشخیص و تصحیح خطا استفاده شده است. مزیت این سیستم محاسباتی پیشنهادی توانایی تشخیص و تصحیح خطاها است. با این حال، عملیات محاسباتی پیشنهادی روی اعداد بزرگتر ارائه شده توسط DNA کار می کند، که RNS این اعداد را به اعداد کوچکتر تقسیم می کند. اجرای عملیات حسابی بر روی این اعداد کوچک، احتمال خطا در عملیات DNA را کاهش می دهد.

Manuscript profile