Defect prediction in embedded software systems:cascading naive bayes algorithm with cross- vs within-company data
Gömülü yazılımlarda hata tahmini:şirket içi ve şirket dışı verilerle aşamalı naive bayes
- Tez No: 232456
- Danışmanlar: YRD. DOÇ. DR. AYŞE BAŞAR BENER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
- Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: 82
Özet
Mobil teknolojiler günlük yaşamımızın birer parçası haline geldikçe, bilgiye erişmek için ihtiyaç duyulan akıllı gömülü sistemlere olan talep hızla artmaktadır. Bu tip sistemlerdeki zeka faktörü, içlerindeki yazılımda geliştirilmektedir. Dolayısıyla, yazılım mühendisliğinin güncel problemleri, gömülü sistemler için de geçerli hale gelmiştir.Gömülü sistem endüstrisinin, sert rekabet koşulları ve kısıtlı kar payı gibi kendine özgü problemleri bulunmaktadır. Endüstri, varolan süreçlerini iyileştirmek, ürünün kalitesini arttırmak ve maliyetini düşürmek için yaratıcı çözümler aramaktadır. Gömülü yazılım, son ürüne her geçen gün daha fazla hükmettiğinden, yazılım geliştirme döngüsündeki herhangi bir gelişme, endüstriye büyük faydalar sağlayacaktır.Yazılım geliştirmede en masraflı ve fazla zaman alan aşama test sürecidir. Uzmanlar, yazılımın kalitesini bozmadan, sınırlı zaman ve eforlarını verimli bir şekilde kullanabilmek için, yeni çözümlere ihtiyaç duyarlar. Bu çözümler, öğrenmeye dayalı tahmin modelleridir. Amaç, yazılımdaki hatalı parçaları tespit ederek test süreci için etkili ve hızlı yöntemler sunmaktır.Bu araştırmada, gömülü sistemlerin karakteristik özellikleri analiz edilerek, gömülü yazılımlara uygun bir hata tahmini modeli önerilmiştir. Hata tahmininde uygulanan en güncel makine öğrenme algoritması kullanılarak, aşamalı bir öğrenme mekanizması geliştirilmiş, böylece, modelin hata yakalama performansının arttırılması hedeflenmiştir.Hata tahmini araştırması üç açıdan ele alınarak, gömülü yazılımlar alanındaki uygulanabilirliği araştırılmıştır. Temel aşamalar a) modelin performasını iyileştirmek, b) veri toplama maliyetini azaltmak ve c) verinin içeriğini arttırmak şeklinde özetlenebilir.
Özet (Çeviri)
As mobile technologies advance and become part of our everyday life, we need nomadic access to information through intelligent and interoperable devices. Hence there is an increasing demand for intelligent embedded systems. The intelligence comes from the software that runs on them, therefore, the current problems in software engineering also hold true for embedded systems domain.Embedded systems industry has its own unique challenges as well: tough competition and tight profit margins. The industry constantly seeks for creative solutions to improve existing processes, to increase the quality of the product, and to lower the costs. Since the embedded software increasingly dominates the end product, any improvement in software development lifecycle would bring tremendous benefit to the industry. The most costly and time consuming process area in software development is testing. Practitioners need oracles to help them decide how to allocate their limited time and effort effectively without affecting the quality of their embedded software. These oracles are basically learning-based predictive models that aim to provide effective and robust methodologies for testing phase by focusing on defect-prone parts of the software.In this research, we propose a software defect prediction model for embedded software by analyzing specific characteristics of embedded systems. We employ a cascading learning mechanism to increase the prediction performance of the model by using the state of the art machine learning algorithm for software defect prediction.We have examined the three pillars of defect prediction research and its practical challenges for embedded software domain: a) improving the prediction performance of the model, b) analysis of data collection effort and cost, and c) increasing the information content of data used in the model.
Benzer Tezler
- Classification based cost estimation model for embedded software
Gömülü yazılımlar için sınıflandırma bazlı maliyet tahmini modeli
AYŞE BAKIR
Yüksek Lisans
İngilizce
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AYŞE BENER
- Yapay zekâ tabanlı elektrokardiyografi sinyali ile kan basıncı tespiti
AI-based blood pressure detection with electrocardiography signal
DERYA KANDAZ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR
- Defect prediction for embedded software
Gömülü sistemlerde hata kestirimi
ATAÇ DENİZ ORAL
Yüksek Lisans
İngilizce
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. AYŞE BENER
- Gömülü sistemlerde sesli komut tanıma
Voice command recognation in embedded systems
CAN ÇETİN
Yüksek Lisans
Türkçe
2020
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA DOĞAN
- Trusted distributed artificial intelligence for critical and autonomous systems
Kritik ve otonom sistemler için mutemet dağıtık yapay zeka
MUHAMMED AKİF AĞCA
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUniversity of LuxembourgBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. DJAMEL KHADRAOUI