MACHINE LEARNING APPROACH BASED DEFECTS PREDICTION IN SOFTWARE PROJECT MANAGEMENT
YAZILIM PROJE YÖNETİMİNDE MAKİNA ÖĞRENME YAKLAŞIMI TEMELLİ KUSURLAR TAHMİNİ
- Tez No: 667371
- Danışmanlar: Prof. Dr. OĞUZ BAYAT
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Electrical and Electronics Engineering, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezin ana fikri, makine öğrenme sınıflandırıcılarını kullanarak yazılım hatası tahmin modelleri içerisindeki süreçlere genel bir bakış sağlamak ve bu çalışmada kapsanan mevcut araştırmada yapılan değerlendirme deneylerinin sonuçlarının analizini sağlamaktır. Ayrıca, bu çalışmada kapsanan yazılım kusuru tahmin modellerinde kullanılan algoritmaların kısa bir açıklaması verilmiş ve yazılım kusuru tahmin modellerinin tahmin doğruluğunu değerlendirmek için kullanılan bazı değerlendirme önlemleri listelenmiş ve açıklanmıştır. Gelecekteki geliştirme çabaları için daha iyi tahminler üretmek amacıyla öngörücü bir sinir ağı tabanlı model geliştirilmiştir. Yazılım proje yönetimi, bir grubun proje işini, hedefe ulaşmak ve ilerlemeyi karşılamak için başlatma, organize etme, yürütme, kontrol etme ve tamamlama disiplini. Yüksek kaliteli yazılımlar oluşturulurken yazılım hatalarının tahmini önemli bir rol oynar. Daha iyi performans için yazılım proje yönetiminde makine öğrenme algoritmaları kullanılır. Verimlilik ve yazılım proje yönetimi üzerindeki etkilerini analiz etmek için doğrudan maliyet unsurları ve çok sayıda organizasyonel değişiklik belirlenmiştir. Sinir ağı, diğer yazılım maliyeti tahmini ve proje yönetimi yöntemlerinden daha iyi tahminler üretebilir. Araştırma, planlamayı geliştirerek yazılım geliştirme ve yazılım projesi yönetiminin genel kusurlarını belirleme fırsatları olduğu sonucuna varıyor. Transfer bileşeni analizi sinir ağı, sistemi yazılım projesi hata tahmini için eğitmek ve test etmek için kullanılan modeldi. Sinir ağları programlama uygulamalarının beklenti sonuçlarında daha kesin sonuç vermesini sağlar. Bu tezin temel amacı, sinir ağı algoritmaları uygulayarak bir projenin veya uygulamanın kusurlarını etkin bir şekilde tahmin etmektir. Sinir ağı algoritmaları, hataları tahmin etmek ve projenin devam edip edemeyeceği konusunda karar vermek için uygulanır. Algoritmalar karşılaştırılmış ve sonuçlar, yazılım hatalarına etkin bir şekilde uygulanarak ortaya konulmuştur. Yazılım projesi veri kümesi ekinoksunun her yönü / sınıfı için, F1-skoru, kesinlik, geri çağırma ve doğruluk için karışıklık matrisi grafiksel gösterimleri boyunca üretilir. Tüm çalışmalar kısa süre içinde proje hatası tahmini için Matlab olarak bilinen Matrix laboratuvarında gerçekleştirilmiştir.
Özet (Çeviri)
The main idea of this thesis is to give a general overview of the processes within the software defect prediction models using machine learning classifiers and to provide analysis of the results of the evaluation experiments conducted in the existing research covered in this work. Additionally, a brief explanation of the algorithms used within the software defect prediction models covered in this work is given and some of the evaluation measures used to evaluate the prediction accuracy of software defect prediction models are listed and explained. A predictive neural network based model is developed in order to produce better estimates for future development efforts. Software project management is the discipline of initiating, organizing, executing, controlling and completing the project work of a group to accomplish target and meet progress. Prediction of software defects plays an important role while building high quality software. Machine learning algorithms are utilized in software project management for better performance. Direct cost drivers and numerous organizational changes are identified in order to analyze their impact on productivity and software project management. The neural network is capable of generating better estimates than other software cost estimation and project management methods. The research concludes that there are opportunities to identify the overall defects of software development and software project management by improving planning. Transfer component analysis neural network was the model that has been used to train and test the system for software project defect prediction. Neural networks enables programming applications to end up more exact in expectation results. The main objective of this thesis is to predict the defects of a project or an application in an efficient manner by applying neural network algorithms. The neural network algorithms are implemented to predict the defects and to make decisions whether the project can be continued or not. Algorithms are compared and the results are exhibited by applying on software defect efficiently. For each aspect/class of software project data set equinox, the confusion matrix for F1-score, precision, recall and accuracy is generated along their graphical representation. All of the work has been carried out on Matrix laboratory shortly known as Matlab for project defect prediction.
Benzer Tezler
- Nesneye yönelik sistemlerde kusurlu sınıfların öngörülmesi için makine öğrenmesi temelli bir yöntem oluşturulması
Creating a machine learning based method for predicting defective classes in object oriented systems
FİKRET AKTAŞ
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FEZA BUZLUCA
- Endüstri 4.0 çerçevesinde kestirimci imalat teknolojileri
Predictive manufacturing technologies in industry 4.0 framework
KADİR TOLGA BAYER
Yüksek Lisans
Türkçe
2019
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. TURGUT GÜLMEZ
- Software defect prediction with a personalization focus and challenges during deployment
Kişiselleştirme odaklı yazılım hata tahmini ve entegrasyon zorlukları
BEYZA EKEN
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE TOSUN KÜHN
- A dataset quality enhancement method for fine-grained just-in-time software defect prediction models
İnce taneli tam zamanında yazılım hata tahmin modelleri için veri kalitesi iyileştirme yöntemi
İREM FİDANDAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FEZA BUZLUCA
- Esnek hesaplama yaklaşımı ile yazılım hata kestrimi
Software maintenance severity prediction with soft computing approach
EBRU ARDIL
Yüksek Lisans
Türkçe
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiBilgisayar Mühendisliği Bölümü
YRD. DOÇ. DR. ERDEM UÇAR