Makine öğrenmesi tabanlı topluluk yöntemleri ile yazılım kalitesi tahmini
Prediction of software quality with machine learning-based ensemble methods
- Tez No: 712057
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖMER ÖZGÜR TANRIÖVER, DR. ÖĞR. ÜYESİ YILMAZ AR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 59
Özet
Yazılım kalite tahmini, yazılım projelerinin çeşitli aşamalarında kullanılmaktadır. Bu tezin amacı yapılan önceki çalışmalara göre daha yüksek doğruluk oranında yazılım kalitesi tahmini yapmaktır. Yapılan çalışma ile veri önişleme, özellik önemi ve çeşitli makine öğrenmesi algoritmalarının kullanılması işlemleri sonucunda yazılımın kalitesinin tahmininde daha doğru sonuçlar elde edildiğini göstermektedir. Makine öğrenmesi algoritmalarının uygulanabilmesi için gerekli olan kategorik sözel verilerin sayısallaştırılması üzerine iki farklı model tasarlanmıştır. Tasarlanan modeller çerçevesinde oluşturulan veri setleri üzerinde ilgili algoritmalar uygulanmış ve doğruluk yüzdeleri karşılaştırılmıştır. Farkı makine öğrenmesi algoritmalarının birlikte kullanılmasını sağlayan topluluk yöntemleri sayesinde de çalışmada yazılım kalitesi tahmininde daha doğru sonuçlar elde edildiği gösterilmiştir.
Özet (Çeviri)
Software quality estimation is used at various stages of software projects. The aim of this thesis is to predict software quality with higher accuracy than previous studies. The study shows that data pre-processing, feature importance and machine learning algorithms provide more accurate results in estimating the quality of the software. Two different models were designed on the digitization of categorical verbal data in data sets. Data sets were arranged according to the designed models. Algorithms were applied on these datasets and accuracy percentages were compared. Ensemble methods, which enable the use of different machine learning algorithms together, contributed to obtaining results with higher accuracy rates in software quality estimation.
Benzer Tezler
- The complex network analysis of the education network of employees
Çalışanların eğitim ağının karmaşık ağ analizi
CEYDA KOCAMAN
Yüksek Lisans
İngilizce
2023
Bilim ve TeknolojiGalatasaray ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜNCE KEZİBAN ORMAN
- Adaptive and hierarchical classifier fusion approaches for network attack detection
Ağ saldırısı tespiti için uyarlanır ve aşamalı sınıflandırıcı tümleştirme yaklaşımları
ERKAN AS
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. BEHÇET UĞUR TÖREYİN
- Topluluk öğrenme yöntemleri kullanılarak finansal varlıklar için algoritmik işlem stratejilerinin geliştirilmesi
Development of algorithmic trading strategies for financial assets using ensemble learning methods
ÜZEYİR AYCEL
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUNUS SANTUR
- Makine öğrenmesi yaklaşımları ile fetal sağlık teşhisinin gerçekleştirilmesi
Realisation of fetal health diagnosis with machine learning approaches
ADEM KUZU
Yüksek Lisans
Türkçe
2024
Kadın Hastalıkları ve DoğumFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUNUS SANTUR
- An ensemble learning model for wide-area measurement based transient stability assessment in power systems
Güç sistemlerinde geniş alan ölçümlerine dayalı geçici hal kararlılık değerlendirmesi için bir topluluk öğrenme modeli
CAN BERK SANER
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ