Classification based cost estimation model for embedded software
Gömülü yazılımlar için sınıflandırma bazlı maliyet tahmini modeli
- Tez No: 232846
- Danışmanlar: YRD. DOÇ. DR. AYŞE BENER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Gömülü sistemler, Maliyet modeli, Maliyet tahmini, Sınıflandırma, Yazılım mühendisliği, Embedded systems, Cost model, Cost estimation, Classification, Software engineering
- Yıl: 2008
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yazılım geliştirme firmaları projelerini başarılı bir şekilde, yani zamanında, bütçeyiaşmadan ve hatasız bitirmek için birçok zorlukla karşılaşmaktadırlar. Planlama vekaynakların paylaşımı bir yazılım şirketinin finansal performansını ve pazardakikonumunu doğrudan etkilemektedir. Asıl zorluk; proje yöneticilerinin, verilen bir projeiçin ne kadar süreyle ve maliyetle hangi seviyede yetenek gerekeceğine nasıl kararvereceğidir. Bu yüzden proje yöneticileri bu kararları vermeye yardımcı olacak akıllı yolgöstericilere giderek atan bir şekilde ihtiyaç duymaktadırlar. Bu yol göstericiler, işgücü vemaliyet tahmini için öğrenme tabanlı tahmin modelleri olarak tanımlanabilir. Bu tipmodeller, proje yöneticilerinin hatalı tahminlere bağlı olarak yanlış kararlar vermeleriniönlemektedir.Bu araştırmada, gömülü yazılım alanında maliyet tahmini için öğrenme tabanlıtahmin modelleri geliştirmeye odaklanıyoruz. Modelimiz, tahmin doğruluğu problemini,hem verinin kullanımı hem de model geliştirilmesi açılarından ele almaktadır. İlk olarak,verinin kullanımına odaklanıp, gömülü sistemlerde yazılım maliyeti tahmini için ne tür vene kadar veri kullanılması gerektiğini araştırıyoruz. İkinci olarak, model geliştirilmesiüzerine odaklanıp, gömülü yazılımlar için yeni bir maliyet tahmini modeli öneriyoruz.Sonuçlarımızın, maliyet modellerini eğitecek verinin seçimi ve eldeki kaynakların dahaetkin bir şekilde paylaşımı konularında proje yöneticilerine destek olacağına inanıyoruz.Yazında, gömülü yazılımların maliyet tahminiyle ilgili herhangi bir çalışmabulunmamaktadır. Biz, bu boşluğu gömülü sistemler alanında doldurmayı amaçlıyoruz.Buna ek olarak, yüksek doğruluk oranı elde eden yeni bir maliyet tahmini modelisunuyoruz. Deneylerimizde, sonuçlarımızın kullanılan modelden bağımsız olmasınısağlamak için, geniş çapta yapay öğrenme tekniklerinden faydalanıyoruz. Bir de,deneylerimizin değişik durumlarda da aynı sonuçları verdiğini göstermek ve dolayısıyla busonuçları genelleştirebilmek için üç farklı kaynaktan veri setleri kullanıyoruz.
Özet (Çeviri)
Software development companies face many problems in order to complete theirprojects successfully: on time, within budget and with no defects. Scheduling and resourceallocation directly affect financial performance and market position of a softwarecompany. The challenge is how the project managers will decide what level of skill set,for how long and at what cost they will need for a given project. Therefore, practitionersincreasingly need intelligent oracles to help them make these decisions. These oracles canbe defined as the learning based prediction models for effort and cost estimation. Suchpredictive models prevent project managers to take wrong decisions due to inaccurateestimations.In this research, we focus on building learning based predictive models for costestimation in embedded systems domain. Our proposed model tackles the predictionaccuracy problem from both data usage and model development aspects. Firstly, we focuson data usage and investigate what kind of and how much training data should be used forsoftware cost estimation in embedded systems. Secondly, we focus on model developmentand propose a new cost estimation model for embedded software. We believe that ourresults would assist the software managers while selecting the data to train the cost modelsand allocating available resources more efficiently by using more accurate analysis.In literature, there has not been any study that focused on embedded software costestimation yet. We aim to fill in this gap for embedded systems domain. In addition, wepresent a new cost estimation model which achieves high accuracy rates. In our empiricalwork, we utilize a wide range of machine learning techniques in order to make our resultsbe independent from the techniques used. Also, we used datasets from three differentsources in order to be able to generalize our results under different set-ups.
Benzer Tezler
- An object-based lightweight cnn model for crop classification using satellite image time-series
Uydu görüntüsü zaman serilerini kullanarak ürün sınıflandırması için bir nesne tabanlı hafif ağırlıklı cnn modeli
MÜSLÜM ALTUN
Doktora
İngilizce
2026
Jeodezi ve FotogrametriHacettepe ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA TÜRKER
- MACHINE LEARNING-BASED FAULT DETECTION AND CLASSIFICATION FOR TRANSMISSION LINE PROTECTION
İLETİM HATTI KORUMASI İÇİN MAKİNE ÖĞRENİMİNE DAYALI ARIZA TESPİTİ VE SINIFLANDIRMASI
AHMED ALTAİE
Doktora
İngilizce
2026
Yıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RECEP YUMURTACI
- Adaptive signal processing based intelligent method for fault detection and classification in microgrids
Mikroşebekelerde arıza tespiti ve sınıflandırması için adaptif sinyal işleme tabanlı akıllı yöntem
RESUL AZİZİ
Doktora
İngilizce
2022
Enerjiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- A large language model (LLM)-based framework for bid/no-bid decision support in construction public procurement: Validated on romanian tenders
İnşaat kamu ihalelerinde teklif verme / vermeme karar desteği için büyük dil modeli (LLM) tabanlı bir çerçeve: Romanya ihaleleri üzerinde doğrulama
ELİF GÜLİN PETEK
Yüksek Lisans
İngilizce
2026
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ONUR BEHZAT TOKDEMİR
