Geri Dön

A new method for software defect prediction based on optimized machine learning techniques

Optimize edilmiş makine öğrenim tekniklerine dayalı yazılım kusurlarını öngörmek için yeni bir yöntem

  1. Tez No: 723990
  2. Yazar: SHAHO ISMAEL HASSEN
  3. Danışmanlar: PROF. DR. ALİ YAZICI, PROF. DR. ALOK MISHRA
  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: 2022
  8. Dil: İngilizce
  9. Üniversite: Atılım Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 97

Özet

Bu tezde, tüm gerçekleri motivasyon olarak kabul ederek yazılım kusur tahmini için yeni ve sağlam bir buluşsal güdümlü nöro-bilgisayar modeli geliştirilmiştir. Diğer klasik makine öğrenimi modellerinden farklı olarak, nöro-bilgisayar, özellikle Levenberg Marquardt Sinir Ağı (LM-YSA), doğrusal olmayan özellik öğrenimi ve dolayısıyla hatalı veriler için hayati önem taşıyabilecek uyarlamalı öğrenme açısından daha sağlam olarak kabul edilimektedir. Ancak, diğer makine öğrenimi modellerinde olduğu gibi, 17 giriş özelliği olanlarda da aşırı yüksek ağırlık tahmini nedeniyle yerel minimum ve yakınsama olasılığından kaçınılamamıştır. Bu gerçeği göz önünde bulundurarak, bu araştırma, öğrenme sırasında uyarlanabilir ağırlık tahmini ve güncelleme için YSA'ya yardımcı olamak amacıyla buluşsal model denilen yeni bir geliştirilmiş genetik algoritm sunark katkıda bulunmuştur. Burada buluşsal modelin temel amacı, LM-YSA'nın herhangi bir yerel minimum ve yakınsama sorunu yaşamadan üstün ağırlık tahmini, güncelleme ve dolayısıyla öğrenme elde etmesine yardımcı olmaktır. Sonuç olarak , önerilen nöro-bilgisayar modelinin hedeflenen yazılım hatası veri kümeleri üzerinde klasik sinir ağından daha yüksek doğruluk elde etmesine yardımcı olmuştur. Sınıflandırıcı veya makine öğrenimi iyileştirmesine ek olarak, bu araştırmada, herhangi bir sınıf dengesizliği, aşırı uydurma ve yakınsama olasılığının hafifletilmesine yardımcı olan özellik mühendisliğine de odaklanılmıştır.

Özet (Çeviri)

In this thesis a novel and robust heuristic driven neuro-computing model was developed for software defect prediction. Unlike other classical machine learning models, neuro-computing, especially Levenberg Marquardt Neural Network (LMANN), is considered to be more robust in terms of adaptive learning, which can be vital towards non-linear feature learning and hence defect data. However, similar to the other machine learning models, the likelihood of local minima and convergence could not be avoided due to exceedingly high weight estimation for 17 input features. Considering this fact, this research contributed a novel improved genetic algorithm, say heuristic model was developed to assist ANN for adaptive weight estimation and update during learning. Here, the key purpose of heuristic model was to help LM-ANN gaining superior weight estimation, update and hence learning without undergoing any local minima and convergence problem. This as a result helped the proposed neurocomputing model to achieve higher accuracy than the classical neural network over targeted software fault datasets. In addition to the classifier or machine learning improvement, in this research the focus was made on feature engineering as well that helped alleviating any probability of class imbalance, over-fitting and convergence.

Benzer Tezler

  1. New software defect prediction method based on PCA and optimized LSTMOF

    Başlık çevirisi yok

    YAHYA KHALID ALI ALI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZAİD HAMODAT

  2. Yapısal ses kaynaklarının konumunun akustik emisyon yöntemi kullanılarak belirlenmesi

    Localization of structural noise sources using the acoustic emission method

    TOLGA MERİÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. HALUK EROL

  3. Yapay zekâ tabanlı elektrokardiyografi sinyali ile kan basıncı tespiti

    AI-based blood pressure detection with electrocardiography signal

    DERYA KANDAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiSakarya Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHAMMED KÜRŞAD UÇAR

  4. Dişli çark hata ve hasarlarının titreşim analizi ile belirlenmesi

    Identifying the faults in gears with vibration analysis

    VOLKAN SİPAHİ

    Yüksek Lisans

    Türkçe

    Türkçe

    1995

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    PROF.DR. TUNCER TOPRAK

  5. Tekrar eden veri analizini kullanarak yazılım geliştirme için iyileştirilmiş hata tahmini

    A new improved defect prediction framework for software development using repeated data analysis

    MUHAMMED MARUF ÖZTÜRK

    Doktora

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET ZENGİN