دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Jagannath Singh, Debasish Das, Lov Kumar, Aneesh Krishna سری: Studies in Systems, Decision and Control, 452 ISBN (شابک) : 9811968926, 9789811968921 ناشر: Springer سال نشر: 2023 تعداد صفحات: 175 [176] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 Mb
در صورت تبدیل فایل کتاب Mobile Application Development: Practice and Experience: 12th Industry Symposium in Conjunction with 18th ICDCIT 2022 به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب توسعه اپلیکیشن موبایل: تمرین و تجربه: دوازدهمین سمپوزیوم صنعت در ارتباط با هجدهمین ICDCIT 2022 نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب مجموعه مقالات دوازدهمین سمپوزیوم صنعت است که همراه با هجدهمین ویرایش کنفرانس بین المللی محاسبات توزیع شده و فناوری هوشمند (ICDCIT 2022) برگزار شد. تمرکز سمپوزیوم صنعت بر توسعه اپلیکیشن موبایل: تمرین و تجربه است. این کتاب بر تحقیقات و تمرینات مهندسی نرم افزار برای پشتیبانی از هر جنبه ای از توسعه اپلیکیشن موبایل تمرکز دارد. این کتاب یافتههای مربوط به تجزیه و تحلیل برنامههای تلفن همراه، مدلهایی برای تولید این برنامهها، آزمایش، اشکالزدایی و تعمیر، بومیسازی و جهانیسازی، تجزیه و تحلیل بررسی برنامهها، استخراج فروشگاه اپلیکیشن، اپلیکیشن فراتر از گوشیهای هوشمند و تبلتها، استقرار اپلیکیشن، نگهداری و قابلیت اطمینان را مورد بحث قرار میدهد. برنامهها، مطالعات موردی صنعتی مهندسی نرمافزار خودکار برای برنامههای تلفن همراه، و غیره. مقالات موجود در کتاب راههای جدید یا بهبودیافتهای برای رسیدگی به این جنبهها یا پرداختن به آنها به شیوهای یکپارچهتر را شرح میدهند و مزایا، محدودیتها و هزینههای راهحلهای ارائهشده را مورد بحث قرار میدهند. این جلد برای دانشجویان کارشناسی ارشد، پژوهشگر و همچنین متخصصان صنعت مفید خواهد بود.
The book constitutes proceedings of the 12th Industry Symposium held in conjunction with the 18th edition of the International Conference on Distributed Computing and Intelligent Technology (ICDCIT 2022). The focus of the industry symposium is on Mobile Application Development: Practice and Experience. This book focuses on software engineering research and practice supporting any aspects of mobile application development. The book discusses findings in the areas of mobile application analysis, models for generating these applications, testing, debugging & repair, localization & globalization, app review analytics, app store mining, app beyond smartphones and tablets, app deployment, maintenance, and reliability of apps, industrial case studies of automated software engineering for mobile apps, etc. Papers included in the book describe new or improved ways to handle these aspects or address them in a more unified manner, discussing benefits, limitations, and costs of provided solutions. The volume will be useful for master, research students as well as industry professionals.
Preface Acknowledgements Contents About the Editors A Survey on Mobile Application Development Models 1 Introduction 2 Literature Survey 3 Mobile Application Development Models 4 Comparison of Different Development Models 5 Software Development Methodologies 6 Conclusion References Mobile Technology for Smart Agriculture: Deployment Case for Pearl Millet Disease Detection 1 Introduction 2 Importance of Computer Technology in Agriculture 3 Different Mobile App for Smart Farming in India 3.1 Digital India Program 3.2 Kisan Suvidha 3.3 IFFCO Kisan Agriculture 3.4 RML Farmer-Krishi Mitr 3.5 Pusa Krishi 3.6 Agri App 3.7 Crop Insurance 3.8 Agri Market 4 Structure of Android APP Deployment 5 Mobile Deployment for Leaf Disease Detection in Pearl Millet Crop 5.1 Android Project Structure 6 Conclusion References Energy Consumption-Based Profiling of Android Apps 1 Introduction 2 Basic Concepts 2.1 Eclipse 2.2 DEX to JAR Convertor 2.3 Bytecode Viewer 3 Related Work 4 Proposed Work 5 Experimental Setup and Methodology 5.1 Addition 5.2 Intent 6 Methodology 6.1 Formula Derivation 6.2 Intent 6.3 Additions 7 Tools Used 7.1 Eclipse 7.2 BYTECODE Viewer 8 Conclusion and Limitations References Impact of COVID-19 on IT Business 1 Introduction 1.1 COVID-19 in India 1.2 Indian IT Industry 1.3 Current Challenges for IT Industries [4] 2 Data Collection 3 Result of the Survey 4 Methodology 5 Result of Classification 6 Conclusion References ANNDroid: A Framework for Android Malware Detection Using Feature Selection Techniques and Machine Learning Algorithms 1 Introduction 2 Related Work 3 Collection of .apk Files and Formulation of Features Dataset 4 Feature Selection Techniques 4.1 Principal Component Analysis (PCA) 4.2 Rough Set Theory 5 Proposed Hybrid Machine Learning Techniques 5.1 Functional Link Artificial Neural Network (FLANN) 5.2 FLANN-Genetic (FGA) Technique 5.3 Adaptive FLANN-Genetic (AFGA) Technique 5.4 FLANN Particle Swarm Optimization (FPSO) Technique 5.5 FLANN-Clonal Selection Algorithm (FCSA) Approach 5.6 Modified-FLANN Particle Swarm Optimization (MFPSO) Technique 6 Experimental Setup 7 Outcomes 7.1 Feature Selection Approaches 7.2 Machine Learning Approaches 7.3 Comparison with Existing Developed Frameworks 8 Conclusion References DanVeer: A Secure Resource Funding Mobile Application 1 Introduction 2 Motivation 3 Literature Survey 4 About the DanVeer Application 5 Flowchart of the Application 6 Algorithm 7 App Screenshots 8 Application Code 9 Architecture for Generating Applications 9.1 Model View Controller (MVC) and Model View Presenter (MVP) 9.2 Model View ViewModel (MVVM) 10 App Debugging and Testing 11 App Review and Analytics 11.1 App Beyond Smartphones and Tablets 11.2 App Migration Across Platforms 11.3 Maintenance of Apps 11.4 App Security and Privacy 12 Conclusion References Mobile Data Analytics: A Comprehensive Case Study 1 Introduction 2 Mobile Analytics 3 Importance 4 Comparison with Web Analytics 5 Metrics Considered for Mobile Application Versus Website 6 Case Studies Suggesting Benefit of Mobile Analytics 6.1 Game Case Study: Pokémon Go 6.2 Utility Case Study: Gboard 7 Existing Tools 8 Benefits, Challenges and Limitations 8.1 Benefits of Mobile Analytics 8.2 Challenges in Mobile Analytics 8.3 Limitations in Mobile Analytics 9 Conclusion References Method Level Refactoring Prediction by Weighted-SVM Machine Learning Classifier 1 Introduction 2 Literature Survey 3 Background Study 3.1 Refactoring 3.2 Feature Extraction and Selection 3.3 Classification Techniques: SMOTE with SVM and Weighted-SVM 4 Proposed Methodology 5 Comparative Analysis 5.1 Classifier's Significance 5.2 Kernel's Significance 6 Conclusion References OCEANDROID 1 Introduction 2 Literature Review 3 OCEANDROID Application 3.1 Materials/Tools Required 3.2 Results 3.3 Implications 4 Conclusion References Innovation Propensity of Firms and the Interplay of Institutional Ecosystem—A Longitudinal Study from G-20 Middle-Income Countries 1 Introduction 2 Literature Review 3 Research Question and Hypotheses Formulation 4 Research Methodology 5 Dependent and Independent Variables 6 Data Collection 7 Analysis and Discussion 8 Regression Modeling 9 Regression Execution: Tests for Normality, Multi-collinearity and Auto-correlation 10 Results and Discussion 11 Academic and Managerial Implications 12 Limitations and Future Research Directions 13 Conclusion References Unique and Secure Account Management System Using CNN and Blockchain Technology 1 Introduction 2 Literature Survey 3 Proposed System 3.1 Front-End Account Creation 3.2 Face Recognition Model 3.3 Blockchain Storage 4 Implementation and Validation 4.1 Blockchain Module 4.2 Face Recognition Module 5 Result 5.1 Blockchain Module 5.2 Face Recognition Module 6 Conclusion References Model for Mobile App-Based Premium Calculation for Usage-Based Insurance (UBI) of Vehicles 1 Introduction 1.1 Artificial Intelligence 1.2 IOT and Robotics 2 Literature Survey 3 Research Gap 4 Objective 5 Conceptual Diagram 6 Conclusion 7 Important Points References Web Service Anti-patterns Detection Using CNN with Varying Sequence Padding Size 1 Introduction 2 Objectives and Research Questions 3 Related Work 4 Experimental Setup 4.1 Experimental Dataset 5 Proposed Methodology 6 Experimental Outcome 6.1 Data Sampling Techniques 6.2 Word Embedding with CNN 7 Competitive Analysis 8 Threats to Validity 9 Conclusion and Future Scope References