Software quality prediction models: A comparative investigation based on machine learning techniques for object-oriented systems
Yazılım kalite tahmin modelleri: Nesne odaklı sistemler için makine öğrenme tekniklerine dayalı karşılaştırmalı bir araştırma
- Tez No: 645166
- Danışmanlar: DR. ÖĞR. ÜYESİ TÜLİN ERÇELEBİ AYYILDIZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Başkent Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 123
Özet
Bu tez çalışmasının amacı, Chidamber ve Kemerer (CK) Nesne Yönelimli yazılım metrikleri arasındaki ilişkiyi araştırmak ve yazılım hata tahmininde doğruluk oranını belirlemektir. Bu nedenle, açık kaynaklı 33 projenin en son sürümleri için en iyi tekniği bulmak amacıyla en sık kullanılan 11 Makine Öğrenimi tekniği ve 2 Destek Vektör Makinesi kütüphanesinin performansı analiz edilmiştir. Bu tez çalışmasında, CK ölçütleri ile güvenirlik arasındaki ilişki de belirlenmiştir. Her teknik RapidMiner ve WEKA araçları kullanılarak değerlendirilmiştir. Veri kümesi, 10 kat çapraz doğrulama tekniği ile doğrulanmıştır. Ayrıca, Bayesian ağları, hangi CK metriğinin en iyi tahmin edici olduğunu belirlemek için kullanılan formlardır. Sonuçların değerlendirilmesi için Alıcı İşletim Karakteristiği, Kesinlik, Doğruluk, Eğri Altında Kalan Alan, Ortalama Mutlak Hata, Ortalama Hata Kare Kökü performans ölçütleri kullanılmıştır. Bu çalışmanın sonuçları, Rastgele Orman, Torbalama, Arttırma makine öğrenmesi tekniklerinin tahmin modelleri için en etkili olduğunu göstermektedir. Buna tersine, Destek Vektör Makineleri en az etkili modellerdir. Bu tez çalışması ayrıca, Sınıfın Ağırlıklı Metot Sayısının en etkili yazılım metriği olduğunu ortaya çıkarmıştır. Daha sonra, Alt Sınıf Sayısı, Kalıtım Ağacının Derinliği ölçümleri yazılımın kalitesini belirlemede iyi bir katkı sağlar.
Özet (Çeviri)
The purpose of this thesis study is investigating correlation between Chidamber and Kemerer (CK) Object-Oriented (OO) software metrics and determining the accuracy rate in software bug prediction. For this reason, eleven most frequently used Machine Learning (ML) techniques and two Support Vector Machine (SVM) libraries performance was analyzed in order to find the best technique for 33 latest version of open source projects. In this thesis study, the relation between CK metrics and reliability is also determined. Each technique was evaluated using RapidMiner and WEKA tools. Dataset was validated with a 10-fold cross-validation technique. Furthermore, Bayesian belief's networks form used for determining which CK metric are primary estimators. Receiver Operating characteristic (ROC), Precision, Accuracy, Area Under the Curve (AUC), Mean Absolute Error (MAE), Root Mean Squared Error (RMSE) performance metrics used for evaluation of results. Results of this study show that Random Forrest, Bagging, AdaBoost ML techniques are the most effective for prediction models in terms of AUC values. In contrast, SVMs are the least effective models. This thesis study also revealed that Weighted Methods per class (WMC) is the most effective software metric. Then, the Number of Children (NOC), Depth of Inheritance Tree (DIT) metrics are good contributor for determining the quality of software.
Benzer Tezler
- Software defect prediction performance monitoring of deep and machine learning models on NASA promise datasets
NASA promise veri setlerinde derin ve makine öğrenme modellerinin yazılım hata tahmini performansının izlenmesi
ABDULLAH AKRAM SHAKIR AL BAYATI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEFER KURNAZ
- Makine öğrenmesi tabanlı iç ortam sıcaklık kontrolü için bir simülatör yazılımı tasarımı
Design of a simulator software for machine learning-based indoor temperature control
AYDIN BOSTANCI
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
- Ekip çizelgeleme probleminde insani faktör etkilerinin incelenmesi ve bir karar destek sistemi önerisi
Investigation of the effect of humanitarian factors in crew scheduling problem and a decision support system proposal
BURCU YILMAZ KAYA
Doktora
Türkçe
2018
Endüstri ve Endüstri MühendisliğiGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. METİN DAĞDEVİREN
- Kanal içerisinde rüzgar türbini tasarımı ve had analizi ile kanal profilinin türbin performansına etkilerinin incelenmesi
Ducted wind turbine design and investigation of the effects of duct profile to the design with cfd analysis
YİĞİTCAN GÜLSOY
Yüksek Lisans
Türkçe
2018
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ LEVENT ALİ KAVURMACIOĞLU
- Otomotiv döküm parça talep tahmininin yapay sinir ağları ile modellenmesi ve arıma yöntemi ile karşılaştırmalı analizi
Modeling automotive casting part demand forecasting with artificial neural networks and comparative analysis with arima method
SELİNAY KAYALI
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MERVE CENGİZ TOKLU