Geri Dön

Yapay sinir ağları ve K-MEANS kullanarak sınır değerlerine göre yazılım efor tahmini

Software effort estimation with boundaries using artificial neural networks and K-MEANS

  1. Tez No: 354569
  2. Yazar: ÖMER FARUK SARAÇ
  3. Danışmanlar: DOÇ. DR. NEVCİHAN DURU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2014
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 113

Özet

Efor tahmini, yazılım proje yönetiminde, projenin ihtiyaç duyduğu kaynakların belirlenmesinde kullanılan yöntemlerdendir. Proje için gereken adam/zaman değeri hesaplanır ve proje planı bu bilgiler göz önünde bulundurularak yapılır. Efor tahmini için çeşitli yöntemler vardır. En bilinen yöntemlerden biri COCOMO adındaki parametrik modeldir. Esasında bir hesaplama fonksiyonu olan modelde, parametreler proje ve yazılım ortamı ile ilgili değerlendirme niteliklerine atanmış kategorik ifadelerin sayısal karşılığı olan değerlerle bir hesap yapar ve sonuçta adam/ay hesabına göre bir tahmin değeri oluşturulur. Ek olarak, efor tahmininde, önceki proje verilerinden daha etkin şekilde yararlanmak için veri madenciliği teknikleri de sürece dahil edilmiştir. En çok kullanılan yöntemlerden biri yapay sinir ağlarıdır (YSA). YSA esneklik ve kabiliyetleri ile COCOMO bazı modellerde birleştirilmiş ve daha başarılı sonuçlar alındığı görülmüştür. Bu çalışmada da benzer şekilde bir yapı söz konusudur. Ancak mevcut çalışmalarda ortaya tek bir değer çıkarılmaktadır. Bu şekilde karar aşamasında yeterli bilgi olmayabilir. Bu çalışmada önerilen, tek bir değer üretmek yerine geçmiş bilgilere dayanılarak hesaplanan bir aralık değer kümesi oluşturmaktır. Buna göre, YSA ve COCOMO kullanılmakla beraber, K-Means algoritmasıyla olası üst ve alt limitler hesaplanmıştır. Bu şekilde daha başarılı tahminler yapılacağı, karar aşamasında yardımcı değerlerin üretilebileceği öngörülmüştür. Test verileri ile yapılan denemelerde bu öngörünün gerçekleşebileceği gözlemlenmiştir.

Özet (Çeviri)

Effort estimation is one of the methods used to determine the resources needed for a project in software project management. Required man/time value for project is calculated and project plan is made considered to this value. There are various methods for effort estimation. One of the best-known method is a parametric model which is called COCOMO. In this model, which is basically a function, a calculation process is made via numerical equivalent values for categorical parameters whihc are about project and software environment and eventually a man/month estimation is calculated. In addition, data mining techniques are included in effort estimation process in order to benefit more from previous project management data. One of the most widely used methods is artificial neural networks (ANN). ANN flexibilities and capabilities are combined with COCOMO in some models and more successful results are obtained. There is a similar structure in this study. However there is only single value is outputted in these researches. In this way, there may not be enough information in decision making process. Proposed model in this study is that instead of producing single output value, a value range set is generated. In addition to ANN and COCOMO are used, possible upper and lower limits are calculated with K-Means algorithm. Thus, it is intented to make more precise estimations and give helpful values for decision making. Experimental results show that this prescience can be achieved.

Benzer Tezler

  1. Multivariate and fuzzy clustering approaches to dynamic classification of traffic flow states

    Çok değişkenli ve bulanık yaklaşımlarla trafik akımının dinamik sınıflandırılması

    MEHMET ALİ SİLGU

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Trafikİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. HİLMİ BERK ÇELİKOĞLU

  2. Yapay sinir ağlarında öğrenme algoritmalarının analizi

    Analysis of learning algorithms in neural networks

    SEVİNÇ BAKLAVACI

  3. Short term load forecasting by using artificial neural networks

    Yapay sinir ağları kullanılarak kısa dönemli yük tahmini

    ALI GHADIRIASL NOBARI

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. BELGİN TÜRKAY

  4. Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini

    Forecasting the spread of covid-19 using deep learning and big data analytics methods

    CYLAS KIGANDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  5. Human factor based advanced driver-assistance system (ADAS) design for electric vehicle

    Elektrikli araç için insan faktörü tabanlı gelişmiş sürücü yardım sistemi (ADAS) tasarımı

    DAĞHAN DOĞAN

    Doktora

    İngilizce

    İngilizce

    2022

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. OVSANNA SETA ESTRADA