Design and implement machine learning for the software defect prediction
Yazılım hata tahmini için makine öğrenimi tasarlarmak ve uygulamak
- Tez No: 790817
- Danışmanlar: YRD. DOÇ. DR. JOSEPH WILLIAM LEDET
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimi ve Mühendisliği Bilim Dalı
- Sayfa Sayısı: 77
Özet
Yazılım hata tahmin tekniklerinin temel amacı, yazılım geliştirme değerini engelleyen hataları bulmaktır. Hata tahmin teknikleri, modeller oluşturmak için yazlım geçmişi verilerini kullanır ve bu veriler daha sonra dosyalar, değişiklikler ve prosedürler gibi kod alanlarının yeni oluşumlarındaki hataları tahmin etmek için kullanılır. Doğru tahmin çerçeveleri oluşturmaya yönelik daha önceki çalışmalar tarafından yapılan girişimler genellikle aşağıdaki iki kategoriye ayrılır: birincil taktik, kusurları daha verimli bir şekilde karakterize etmek için fiziksel olarak orijinal özellikler veya yeni özellik birleşimleri tasarlamaktır ve ayrıca ikinci yaklaşım, makine öğrenimini destekleyen yeni ve daha kaliteli sınıflandırma çerçevelerinin kullanılmasını içerir. Mevcut araştırma çalışmasında, özellik çıkarımı için PSO ile birlikte genetik algoritma uygulanmıştır. Torbalama sınıflandırması, nihai sınıflandırılmış sonuçları elde etmek için kullanılır. Bu araştırma çalışması sırasında, konuyu daha iyi anlamak için üç topluluk sınıflandırıcısı oluşturulmuştur. Bu topluluk sınıflandırıcıları özellik azaltma için PCA algoritmasında kullanıldığında, doğruluk daha da artmaktadır. Son aşamada, kategori (sınıf) dengesizliği sorunu çözülür ve bu nedenle doğruluk yüzden 93'e kadar artırılır. ANAHTAR KELİMELER: Doğruluk, Makine Öğrenmesi, özelliklerin birleştirilmesi, Tahmin çerçeveleri, Topluluk sınıflandırıcıları, Yazılım geliştirme, Yazılım hatası tahmini.
Özet (Çeviri)
The fundamental goal of software defect prediction (SDP) techniques (DPTs) is to find errors that hamper software development value (SDV). DPTs employ software history data to construct models, which are then used to anticipate faults in fresh occurrences of code areas such files, modifications, and procedures. The attempts made by earlier studies towards building accurate prediction frameworks are generally divided into the subsequent two categories: the primary tactic is physically designing original features or new amalgamations of features to characterize defects more efficiently, and also the second approach includes the utilization of nascent and better-quality classification frameworks supported machine learning. In the existing research work, genetic algorithm is applied with PSO for the feature extraction. The bagging classification is used to come up with final classified results. During this research work, three ensemble classifiers are generated to better understand the topic. When these ensemble classifiers are used for the PCA algorithm for the feature reduction, accuracy is increased further. In the last phase, the category(class) unbalancing problem gets resolved, and therefore accuracy is increased up to 93 percent. KEYWORDS: Accuracy, Amalgamations of features, Ensemble classifiers, Machine Learning, Prediction frameworks, Software Defect Prediction, Software Defect Prediction Techniques
Benzer Tezler
- 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
- Antenna design for breast cancer detection and machine learning approach for birth weight prediction
Meme kanseri tespiti için anten tasarımı ve doğum ağırlığı tahmini için makine öğrenmesi yaklaşımı
HALUK KIRKGÖZ
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR KURT
- İklimlendirme sistemleri üzerinde makine öğrenmesi ile anomali tespiti
Anomaly detection with machine learning on air conditioning systems
REFİK KİBAR
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED FATİH ADAK
DR. ÖĞR. ÜYESİ KEVSER OVAZ AKPINAR
- Lityum iyon bataryalarda parça ömür kestirimi
Calculating remaining useful life of lithium-ion batteries
FERHAT MAÇİN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. SALMAN KURTULAN
- A support vector machine-based approach for southbound communication detection in SDN using openflow
Openflow kullanarak SDN'de güney yönlü iletişim tespiti için destek vektör makinesi tabanlı bir yaklaşım
ALİ GÖKHAN AVRAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN SEÇİNTİ