洛夫·库马尔
人员信息
其他同名人员
优化列表
2020年–今天
2024 [公元63年] Pratyush Mishra公司 , 维克拉姆·辛格 , 阿内什·克里希纳 , 洛夫·库马尔 :
利用用户评论和NLP增强的单词嵌入进行应用程序评级预测的实证分析。 AINA(3) 2024 : 234-244 [c62] 巴蒂尼·赛·阿卡什 , 维克拉姆·辛格 , 阿内什·克里希纳 , 拉利塔·巴努·穆尔西·内蒂 , 洛夫·库马尔 :
在Gittercom上通过MLP驱动的消融研究BERT层性能和SMOTE。 AINA(2) 2024 : 292-302 [第61条] 图木·阿克沙尔 , 维克拉姆·辛格 , N.L.巴努·穆尔西 , 阿内什·克里希纳 , 洛夫·库马尔 :
一个基于Codebert的经验框架,用于评估支持分类的漏洞预测模型。 国际标准化委员会 2024 : 6:1-6:11 2023 [公元21年] Sonika Chandrakant Rathi公司 , 桑杰·米斯拉 , 里卡多·科罗莫·帕拉西奥斯 , R.阿达什 , 拉利塔·巴努·穆尔西·内蒂 , 洛夫·库马尔 :
软件故障预测数据采样和特征选择技术性能的实证评估。 专家系统。 申请。 223 : 119806 ( 2023 ) [公元20年] 洛夫·库马尔 , Sahithi Tummalapalli公司 , Sonika Chandrakant Rathi公司 , 拉利塔·巴努·穆尔西·内蒂 , 阿内什·克里希纳 , 桑杰·米斯拉 :
带有单词嵌入的机器学习用于检测web服务反模式。 J.计算。 语言。 75 : 101207 ( 2023 ) [公元60年] 维克拉姆·辛格 , 洛夫·库马尔 , 阿诺普·库马尔·帕特尔 , 阿内什·克里希纳 :
使用多层感知器进行恶意软件预测的经验框架。 OCIT公司 2023 : 485-490 [公元59年] Sanidhya Vijayvargiya公司 , 洛夫·库马尔 , 拉利塔·巴努·穆尔西·内蒂 , 桑杰·米斯拉 , 阿内什·克里希纳 , 斯里尼瓦斯·帕德马纳布尼 :
使用不同填充尺寸的LSTM进行软件工程评论情绪分析。 启用 2023 : 396-403 [公元58年] Sanidhya Vijayvargiya公司 , 洛夫·库马尔 , 拉利塔·巴努·穆尔西·内蒂 , 桑杰·米斯拉 , 阿内什·克里希纳 , 斯里尼瓦斯·帕德马纳布尼 :
研究机器学习技术对恶意软件预测影响的实证分析。 启用 2023 : 453-460 [公元57年] 洛夫·库马尔 , 维克拉姆·辛格 , 拉利塔·巴努·穆尔西·内蒂 , 桑杰·米斯拉 , 阿内什·克里希纳 :
使用加权极端学习机进行软件老化相关错误预测的经验框架。 FedCSIS(通信文件) 2023 : 181-188 [公元56年] 图木·阿克沙尔 , 洛夫·库马尔 , Yogita公司 , 拉利塔·巴努·穆尔西·内蒂 :
基于手写体的软件开发人员通信分类的单词嵌入和机器学习技术的比较分析。 联邦犯罪现场调查系统 2023 : 335-346 [公元55年] 巴蒂尼·赛·阿卡什 , 洛夫·库马尔 , 维克拉姆·辛格 , 阿诺普·库马尔·帕特尔 , 阿内什·克里希纳 :
基于BERT和ML分类器的GitterCom多标签分类实证分析。 图标(5) 2023 : 240-252 [公元54年] 汤马拉帕利 , 洛夫·库马尔 , 拉利塔·巴努·穆尔西·内蒂 , 阿内什·克里希纳 :
使用各种指标检测Web服务反模式的比较分析。 国际标准化委员会 2023 : 10:1-10:7 [c53] 阿尼鲁德A , 洛夫·库马尔 , N.L.巴努·穆尔西 , 阿内什·克里希纳 :
使用单词嵌入和集成分类器自动识别视频游戏开发问题。 国际标准化委员会 2023 : 19:1-19:5 [电子3] 索纳利·阿加瓦尔 , 阿比克·罗伊乔杜里 , Rahul Purandare公司 , 索拉巴·蒂瓦里 , 洛夫·库马尔 :
第16届软件工程创新会议,ISEC2023,印度阿拉哈巴德,2023年2月23日至25日。 ACM公司 2023 ,国际标准图书编号 979-8-4007-0064-4 【内容】 [i8] 卡斯图里·瓦苏德万 , 苏伦德拉·科塔 , 洛夫·库马尔 , 希曼舒·布桑·米什拉 :
单用户大规模MIMO的新结果。 CoRR公司 abs/2303.13309 ( 2023 ) [i7] 卡斯图里·瓦苏德万 , 苏伦德拉·科塔 , 洛夫·库马尔 , 希曼舒·布桑·米什拉 :
使用希尔伯特变换的Turbo编码OFDM-OQAM。 CoRR公司 abs/2309.09620 ( 2023 ) 2022 [公元19年] Sahithi Tummalapalli公司 , 洛夫·库马尔 , 拉利塔·巴努·穆尔西·内蒂 , 阿内什·克里希纳 :
使用加权极端学习机检测web服务反模式。 计算。 站立。 接口 82 : 103621 ( 2022 ) [公元18年] 拉米塔·帕尼格拉希 , 桑杰·库马尔·夸纳尔 , 洛夫·库马尔 :
借助属性选择,使用优化的深度学习神经网络进行跨项目软件重构预测。 国际期刊开源软件。 过程。 13 ( 1 ) : 1-31 ( 2022 ) [第52条] Sanidhya Vijayvargiya公司 , 洛夫·库马尔 , 阿鲁纳·马拉帕蒂 , 拉利塔·巴努·穆尔西·内蒂 , 阿内什·克里希纳 :
使用单词嵌入和具有各种内核的极端学习机器进行COVID-19文章分类。 艾纳(3) 2022 : 69-81 [第51条] 洛夫·库马尔 , 西达斯·巴尔德瓦 , Shreya Manish Jambavalikar公司 , 拉利塔·巴努·穆尔西·内蒂 , 阿内什·克里希纳 :
使用字嵌入的软件功能和非功能需求分类。 AINA(2) 2022 : 167-179 [公元50年] 巴蒂尼·赛·阿卡什 , 巴凡·库马尔·雷迪·扬南 , 博卡萨姆·文卡塔·赛·鲁思维克 , 洛夫·库马尔 , 拉莉塔·巴努·穆尔西·内蒂 , 阿内什·克里希纳 :
使用深度学习和不同SMOTE变体预测物联网网络上的网络攻击。 AINA(2) 2022 : 243-255 [公元49年] Sahithi Tummalapalli公司 , 洛夫·库马尔 , 拉利塔·巴努·穆尔西·内蒂 :
使用不同嵌入大小的LSTM进行Web服务反走样预测。 AINA(1) 2022 : 399-410 [公元48年] 文卡塔·克里希纳·钱德拉·穆拉 , 洛夫·库马尔 , 拉利塔·巴努·穆尔西·内蒂 , 阿内什·克里希纳 :
使用深度学习方法和单词嵌入技术进行软件情感分析。 联邦犯罪现场调查系统 2022 : 873-882 [公元47年] 萨尼迪亚·维杰瓦尔吉亚 , 洛夫·库马尔 , 拉利塔·巴努·穆尔西·内蒂 , 桑杰·米斯拉 :
使用具有各种隐藏层的深度学习方法进行软件需求分类。 联邦犯罪现场调查系统 2022 : 895-904 [公元46年] Sanidhya Vijayvargiya公司 , 洛夫·库马尔 , 拉莉塔·巴努·穆尔西·内蒂 , 桑杰·米斯拉 :
使用单词嵌入和不同变体的深度学习方法对新冠肺炎文章进行分类。 ICAI公司 2022 : 15-30 [公元45年] 文卡塔·克里希纳·钱德拉·穆拉 , Sanidhya Vijayvargiya公司 , 洛夫·库马尔 , 苏伦德·辛格·萨曼特 , N.L.巴努·穆尔西 :
使用不同单词嵌入的机器学习进行软件情感分析。 ICCSA(研讨会5) 2022 : 396-410 [公元44年] Sanidhya Vijayvargiya公司 , 洛夫·库马尔 , 阿鲁纳·马拉帕蒂 , N.L.巴努·穆尔西 , 桑杰·米斯拉 :
使用集成学习进行软件功能需求分类。 ICCSA(研讨会5) 2022 : 678-691 [公元43年] 拉米塔·帕尼格拉希 , 桑杰·夸纳尔(Sanjay K.Kuanar) , 洛夫·库马尔 :
利用抽象语法树和嵌入技术实现类级重构的自动识别。 图标(3) 2022 : 194-205 [电子2] 索拉巴·蒂瓦里 , 桑杰·乔杜里 , 尚查尔·K·罗伊 , Meenakshi D'Souza公司 , 里查·夏尔马 , 洛夫·库马尔 :
ISEC 2022:第15届软件工程创新会议,印度甘地那加,2022年2月24-26日。 ACM公司 2022 ,国际标准图书编号 978-1-4503-9618-9 【内容】 2021 [公元17年] 拉米塔·帕尼格拉希 , 桑杰·库马尔·夸纳尔 , 洛夫·库马尔 :
通过集成技术和SMOTE提高方法级重构预测效率的实证研究。 国际期刊开源软件。 过程。 12 ( 4 ) : 1-18 ( 2021 ) [公元42年] 希曼舒·古普塔 , Tanmay Girish Kulkarni先生 , 洛夫·库马尔 , 拉利塔·巴努·穆尔西·内蒂 , 阿内什·克里希纳 :
使用深度学习模型对软件代码气味可预测性的实证研究。 AINA(2) 2021 : 120-132 [公元41年] 洛夫·库马尔 , 普拉哈尔·古普塔 , 拉莉塔·巴努·穆尔西·内蒂 , Santanu Ku。 拉特 , 沙珊克穆利撒旦病 , Vipul Kocher公司 , 斯里尼瓦斯·帕德马纳布尼 :
使用句子嵌入和集成学习预测软件缺陷严重程度。 SEAA公司 2021 : 379-386 [公元40年] 洛夫·库马尔 , 穆克什·库马尔 , 拉利塔·巴努·穆尔西·内蒂 , 桑杰·米斯拉 , Vipul Kocher公司 , 斯里尼瓦斯·帕德马纳布尼 :
应用词嵌入技术预测软件缺陷严重程度的实证研究。 联邦犯罪现场调查系统 2021 : 477-484 [公元39年] S.R.米通·库马尔 , 尼哈尔·雷迪 , 阿鲁纳·马拉帕蒂 , 洛夫·库马尔 :
德拉威语混合码数据情感分类的集成模型。 FIRE(工作说明) 2021 : 1085-1093 [公元38年] 希曼舒·古普塔 , 阿比兰·阿南德·古兰尼卡尔 , 洛夫·库马尔 , 拉利塔·巴努·穆尔西·内蒂 :
NLP方法预测代码气味有效性的实证分析。 ICCSA(9) 2021 : 43-53 [公元37年] Sahithi Tummalapalli公司 , 洛夫·库马尔 , 拉利塔·巴努·穆尔西·内蒂 , Vipul Kocher公司 , 斯里尼瓦斯·帕德马纳布尼 :
一种使用单词嵌入技术检测Web服务反模式的新方法。 ICCSA(7) 2021 : 217-230 [公元36年] Sahithi Tummalapalli公司 , 朱希·米塔尔 , 洛夫·库马尔 , 拉利塔·巴努·穆尔西·内蒂 , 桑塔努·库马尔·拉思 :
使用源代码度量和集成技术预测Web服务反模式的实证分析。 ICCSA(7) 2021 : 263-276 [公元35年] 洛夫·库马尔 , Triyasha Ghosh Dastidar公司 , 拉利塔·巴努·穆尔西·内蒂 , 沙珊克穆利撒旦病 , 桑杰·米斯拉 , Vipul Kocher公司 , 斯里尼瓦斯·帕德马纳布尼 :
使用DeepXlore进行软件缺陷严重程度预测的深度学习方法。 ICCSA(7) 2021 : 398-410 [公元34年] 阿尼鲁德A , 阿曼·拉杰·辛格 , 安贾利·戈亚尔 , 洛夫·库马尔 , N.L.巴努·穆尔西 :
基于使用不同单词嵌入技术的事后分析预测视频游戏开发问题。 偶像 2021 : 465-473 [公元33年] 洛夫·库马尔 , Triyasha Ghosh Dastidar公司 , 安贾利·戈亚尔 , 拉利塔·巴努·穆尔西·内蒂 , 桑杰·米斯拉 , Vipul Kocher公司 , 斯里尼瓦斯·帕德马纳布尼 :
使用具有各种隐藏层的深度学习方法预测软件缺陷严重程度。 图标(6) 2021 : 744-751 [公元32年] Sahithi Tummalapalli公司 , 洛夫·库马尔 , 拉利塔·巴努·穆尔西·内蒂 , 桑塔努·库马尔·拉思 :
调查SMOTE不同变体对改进Web服务反模式预测的有效性的实证研究。 国际标准化委员会 2021 : 19:1-19:5 [电子1] 杜尔加·普拉萨德·莫哈帕特拉 , 萨马雷什·米什拉 , 托尼·克拉克 , 阿尔帕娜·杜比 , 里查·夏尔马 , 洛夫·库马尔 :
ISEC 2021:第14届软件工程创新会议,2021年2月25日至27日,印度奥迪沙,布巴内斯瓦尔。 ACM公司 2021 ,国际标准图书编号 978-1-4503-9046-0 【内容】 [i6] 希曼舒·古普塔 , 阿比兰·阿南德·古兰尼卡尔 , 洛夫·库马尔 , 拉利塔·巴努·穆尔西·内蒂 :
NLP方法预测代码气味有效性的实证分析。 CoRR公司 abs/2108.04656 ( 2021 ) [i5] 希曼舒·古普塔 , Tanmay Girish Kulkarni先生 , 洛夫·库马尔 , 拉利塔·巴努·穆尔西·内蒂 , 阿内什·克里希纳 :
使用深度学习模型对软件代码气味可预测性的实证研究。 CoRR公司 abs/2108.04659 ( 2021 ) 2020 [公元31年] Sahithi Tummalapalli公司 , 洛夫·库马尔 , 拉利塔·巴努·穆尔西·内蒂 , 阿内什·克里希纳 :
WSDL度量在Web服务反模式预测中作用的实证分析。 HPCC/DSS/SmartCity公司 2020 : 559-564 [公元30年] 拉米塔·帕尼格拉希 , 洛夫·库马尔 , 桑杰·库马尔·夸纳尔 :
调查不同SMOTE数据采样技术以改进软件重构预测的实证研究。 图标(4) 2020 : 23-31 [c29] Sahithi Tummalapalli公司 , 洛夫·库马尔 , N.L.巴努·穆尔西 , 阿内什·克里希纳 :
使用多层神经网络检测Web服务反模式。 图标(5) 2020 : 571-579 [公元28年] 希曼舒·古普塔 , 桑杰·米斯拉 , 洛夫·库马尔 , N.L.巴努·穆尔西 :
一项实证研究,旨在研究数据采样技术,以改进使用非平衡数据的码-音预测。 国际通信技术协会 2020 : 220-233 [公元27年] Sahithi Tummalapalli公司 , 洛夫·库马尔 , N.L.巴努·穆尔西 :
使用聚合软件度量和机器学习技术预测Web服务反模式。 国际标准化委员会 2020 : 8:1-8:11
2010 – 2019
2019 [公元16年] Sanket米什拉 , Chinmay和田 , 洛夫·库马尔 , 阿巴亚·纳亚克 :
物联网中基于进化遗传算法的社区检测方法。 IEEE接入 7 : 100512-100534 ( 2019 ) [公元15年] 哈什特·古吉拉尔 , 阿比纳夫·夏尔马 , 桑吉塔·拉尔 , 洛夫·库马尔 :
六个热门问答网站日志问题的三维实证研究。 e Informatica软件。 工程师J。 13 ( 1 ) : 105-139 ( 2019 ) [公元14年] Chinmay和田 , 洛夫·库马尔 , 拉利塔·巴努·穆尔西·内蒂 :
预测老化相关错误模型的源代码度量有效性的实证分析。 视觉杂志。 语言计算。 2019 ( 2 ) : 117-126 ( 2019 ) [j13] 拉米塔·帕尼格拉希 , 桑杰·夸纳尔(Sanjay K.Kuanar) , 洛夫·库马尔 , 内拉马德哈布·帕迪 , 苏雷什·钱德拉(Suresh Chandra)撒旦病 :
使用机器学习算法进行软件重用性度量预测和成本估算。 国际J·诺尔。 基于智能。 工程系统。 23 ( 4 ) : 317-328 ( 2019 ) [公元12年] 洛夫·库马尔 , 桑吉塔·拉尔 , 拉利塔·巴努·穆尔西·内蒂 :
使用混合神经网络和类级度量估计面向对象软件的可维护性参数。 国际期刊系统。 阿苏。 工程管理。 10 ( 5 ) : 1234-1264 ( 2019 ) [公元11年] 洛夫·库马尔 , 阿什什·苏雷卡 :
使用混合神经网络和集成方法预测web服务的服务质量(QoS)参数。 国际期刊系统。 阿苏。 工程管理。 10 ( 6 ) : 1577-1614 ( 2019 ) [公元26年] 洛夫·库马尔 , Chinmay和田 , 阿尔文德·马欣德鲁 , 拉利塔·巴努·穆尔西·内蒂 :
使用具有不同内核功能的极端学习机器进行Android恶意软件预测。 AINTEC公司 2019 : 33-40 [c25] 阿南·蒂尔基 , 拉梅什·库马尔·莫哈帕特拉 , 洛夫·库马尔 :
剖析Android恶意软件。 亚太经合组织 2019 : 450-457 [公元24年] Chinmay和田 , 洛夫·库马尔 , 拉利塔·巴努·穆尔西·内蒂 :
源代码度量对老化相关错误预测有效性的实证分析。 DMSVIVA公司 2019 : 83-94 【c23】 瓦姆西·克里希纳·阿里班迪 , 洛夫·库马尔 , 拉利塔·巴努·穆尔西·内蒂 , 阿内什·克里希纳 :
使用集成学习预测重构代词类。 图标(5) 2019 : 242-250 [公元22年] 洛夫·库马尔 , 沙珊克穆利撒旦病 , 拉利塔·巴努·穆尔西·内蒂 :
使用机器学习技术对五个开源Java项目进行方法级重构预测。 国际标准化委员会 2019 : 7:1-7:10 【c21】 洛夫·库马尔 , 桑吉塔·拉尔 , 安贾利·戈亚尔 , N.L.巴努·穆尔西 :
使用特征选择技术和集成学习技术相结合的面向对象软件的变化优先性。 国际标准化委员会 2019 : 8:1-8:11 [公元20年] 希曼舒·古普塔 , Tanmay Girish Kulkarni先生 , 洛夫·库马尔 , 拉利塔·巴努·穆尔西·内蒂 :
一种分析DDoS攻击中攻击者行为的新方法。 MLN公司 2019 : 392-402 2018 [j10] 洛夫·库马尔 , 赛克里什纳·斯里帕达 , 阿什什·苏雷卡 , Santanu Ku。 Rath公司 :
使用最小二乘支持向量机(LSSVM)开发了有效的故障预测模型。 J.系统。 柔和。 137 : 686-712 ( 2018 ) [公元9年] 洛夫·库马尔 , 阿南·蒂尔基 , 三努区。 Rath公司 :
一个有效的故障预测模型,使用带有各种内核方法的极端学习机开发。 前沿信息技术。 电子。 工程师。 19 ( 7 ) : 864-888 ( 2018 ) [第19条] 洛夫·库马尔 , 阿什什·苏雷卡 :
基于机器学习框架的Web服务反模式检测实证分析。 COMPSAC(1)公司 2018 : 2-11 [第18条] 洛夫·库马尔 , 沙珊克穆利撒旦病 , 阿内什·克里希纳 :
具有不同核的SMOTE和LSSVM在方法级预测重构中的应用。 图标(5) 2018 : 150-161 [第17条] 洛夫·库马尔 , 阿什什·苏雷卡 :
针对与老化相关的Bug预测的类不平衡问题的特征选择技术:老化相关的Bug预测。 国际标准化委员会 2018 : 2:1-2:11 [c16] 基努·桑尼尔 , 洛夫·库马尔 , 拉利塔·巴努·穆尔西·内蒂 :
软件缺陷预测的贝叶斯逻辑回归。 瑞典克朗 2018 : 421-420 2017 [j8] 洛夫·库马尔 , 桑杰·米斯拉 , Santanu Ku。 Rath公司 :
软件度量和故障预测模型用于识别故障类的有效性的实证分析。 计算。 站立。 接口 53 : 1-32 ( 2017 ) [j7] 洛夫·库马尔 , 穆克什·库马尔 , Santanu Ku。 Rath公司 :
使用支持向量机和各种核方法预测web服务的可维护性。 国际期刊系统。 阿苏。 工程管理。 8 ( 2 ) : 205-222 ( 2017 ) [j6] 洛夫·库马尔 , Santanu Ku。 Rath公司 :
基于成本分析框架的故障预测技术有效性的实证验证。 国际期刊系统。 阿苏。 工程管理。 8 ( 2秒 ) : 1055-1068 ( 2017 ) [j5] 洛夫·库马尔 , Santanu Ku。 拉特 :
基于并行计算概念的混合神经网络和模糊逻辑方法的软件维修性预测。 国际期刊系统。 阿苏。 工程管理。 8 ( 2秒 ) : 1487-1502 ( 2017 ) 【j4】 洛夫·库马尔 , 兰扬·库马尔·贝赫拉 , 桑塔努·库马尔·拉思 , 阿什什·苏雷卡 :
面向对象软件系统中跨项目变更预测的迁移学习:可行性分析。 ACM SIGSOFT软件。 工程注释 42 ( 三 ) : 1-11 ( 2017 ) [j3] 洛夫·库马尔 , 兰扬·库马尔·贝赫拉 , 桑塔努·库马尔·拉思 , 阿什什·苏雷卡 :
2007年至2016年ACM SIGSOFT软件工程注释的文献计量研究。 ACM SIGSOFT软件。 工程注释 42 ( 三 ) : 1-7 ( 2017 ) [注2] 洛夫·库马尔 , 阿内什·克里希纳 , Santanu Ku。 Rath公司 :
功能选择对面向服务应用程序可维护性预测的影响。 服务。 面向计算。 申请。 11 ( 2 ) : 137-161 ( 2017 ) [第15条] 洛夫·库马尔 , 桑塔努·库马尔·拉思 , 阿什什·苏雷卡 :
使用源代码度量和LSSVM估计Web服务的服务质量参数。 QuASoQ@亚太经合组织 2017 : 66-73 [第14条] 洛夫·库马尔 , 阿什什·苏雷卡 :
LSSVM和SMOTE在七个开源项目中的应用,用于预测类级别的重构。 亚太经合组织 2017 : 90-99 [第13条] 洛夫·库马尔 , 桑塔努·库马尔·拉思 , 阿什什·苏雷卡 :
使用集成方法开发的有效故障预测模型的实证分析。 COMPSAC(1)公司 2017 : 244-249 [第12条] 洛夫·库马尔 , 桑塔努·库马尔·拉思 , 阿什什·苏雷卡 :
使用源代码度量和多元自适应回归样条预测面向服务软件的可维护性。 哈斯 2017 : 88-95 [c11] 洛夫·库马尔 , 阿什什·苏雷卡 :
使用源代码度量从成本角度分析故障预测的有用性。 集成电路3 2017 : 1-7 [第10条] 洛夫·库马尔 , 阿什什·苏雷卡 :
采用多种训练方法的神经网络对web服务的服务质量参数进行预测。 集成电路3 2017 : 1-7 【c9】 兰扬·库马尔·贝赫拉 , 洛夫·库马尔 , 蒙娜丽莎·耶拿 , 桑比特·马哈帕特拉 , Abhishek Sai Shukla公司 , 桑塔努·库马尔·拉思 :
分布式平台中基于邻近性和影响的链路预测(NILP)。 ICCSA(6) 2017 : 325-334 【c8】 洛夫·库马尔 , 桑塔努·库马尔·拉思 , 阿什什·苏雷卡 :
源代码度量对预测变更倾向有效性的实证分析。 国际标准化委员会 2017 : 4-14 【c7】 洛夫·库马尔 , 阿什什·苏雷卡 :
使用结构化文本源代码度量和人工神经网络预测代码选项卡和程序组织级别的更改倾向。 国际标准化委员会 2017 : 172-180 【c6】 洛夫·库马尔 , 桑塔努·库马尔·拉思 , 阿什什·苏雷卡 :
使用源代码指标预测变革型web服务:关于ebay服务的案例研究。 MaLTeSQuE@桑纳 2017 : 1-7 [i4] 洛夫·库马尔 , 桑塔努·库马尔·拉思 , 阿希什·苏雷卡 :
使用源代码度量和集成方法进行故障倾向性预测。 CoRR公司 abs/1704.04383 ( 2017 ) [i3] 洛夫·库马尔 , 阿什什·苏雷卡 :
用于预测面向对象系统变更倾向的不同源代码度量和机器学习算法的比较研究。 CoRR公司 腹肌/1712.07944 ( 2017 ) 2016 [j1] 洛夫·库马尔 , Santanu Ku。 Rath公司 :
预测面向对象软件可维护性的混合函数链接人工神经网络方法。 J.系统。 柔和。 121 : 170-190 ( 2016 ) 【c5】 洛夫·库马尔 , 桑塔努·库马尔·拉思 , 阿什什·苏雷卡 :
使用具有各种内核方法的极端学习机预测服务质量(QoS)参数。 QuASoQ公司/ 亚太经合组织TDA 2016 : 27-34 【c4】 洛夫·库马尔 , 赛克里什纳·斯里帕达 , 阿什什·苏雷卡 :
亚洲太平洋软件工程会议六年回顾。 亚太经合组织 2016 : 341-344 【c3】 洛夫·库马尔 , 拉乌尔·杰特利 , 阿希什·苏雷卡 :
可编程逻辑控制器(PLC)梯形图(LD)可视化编程语言的源代码度量。 ICSE的WETSoM 2016 : 15-21 [i2] 洛夫·库马尔 , 阿什什·苏雷卡 :
十三年挖掘软件库(MSR)会议——书目数据告诉我们什么? CoRR公司 abs/1609.06266 ( 2016 ) [i1] 洛夫·库马尔 , 赛克里什纳·斯里帕达 , 阿什什·苏雷卡 :
2010年至2015年亚太软件工程会议文献计量研究。 CoRR公司 abs/1610.09635 ( 2016 ) 2015 【c2】 洛夫·库马尔 , 桑塔努·库马尔·拉思 :
使用多元自适应回归样条的Web服务质量评估。 亚太经合组织 2015 : 238-245 【c1】 洛夫·库马尔 , Santanu Ku。 Rath公司 :
使用具有并行计算概念的混合神经网络预测面向对象软件的可维护性。 国际标准化委员会 2015 : 100-109