New software defect prediction method based on PCA and optimized LSTMOF
Başlık çevirisi mevcut değil.
- Tez No: 796666
- Danışmanlar: DR. ÖĞR. ÜYESİ ZAİD HAMODAT
- 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: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 62
Özet
Geliştirilen yazılımların bazı eksiklikler ve hatalar içermesi doğaldır. Önemli olan bu hataları tespit edebilmektir. Testler, hataların tespitinde önemli bir rol oynar, ancak bu her zaman yeterli değildir. Bu nedenle, yazılım hatalarını ve kusurlarını tespit etmek için etkili yöntemlere ihtiyaç vardır. Yazılımı yayınlamadan ve sunmadan önce hataların tespiti firmaların ve yazılım mühendislerinin temel amacıdır ancak bu konu zor ve uğraştırıcı bir konu olmaya devam etmektedir. Bu çalışmada, yazılım hata tahmini alanında yeni yöntem tabanlı KNN ve parametre optimizasyon teknikleri sunulmuştur. Önerilen yöntem, yazılım hatası tespiti için yeni bir model sunmak üzere KNN tabanlı Grid arama ile topluluk öğrenmeyi uyguladı. Ayrıca, en iyi tespit oranını elde etmek için birkaç sınıflandırıcı uygulanır. Elde edilen sonuçlar karşılaştırılarak en iyi model seçilir. Sunulan yöntem, geleneksel tekniklerle karşılaştırıldığında uygun sonuçlar vermiştir. Bu çalışmada kullanılan üç veri seti CM1, JM1 ve PC1'dir ve önerilen yöntem bu veri setlerinin %75 ile %94 arasında değişen çeşitli sonuçlar sunmuştur.
Özet (Çeviri)
It is natural for the developed software to contain some defects and errors. The important issue is to detect these errors. Tests play an important role in detecting errors, but this is not always sufficient. Therefore, effective methods are needed to detect software errors and defects. The detecting error before publishing and serving the software the is main aim of the companies and the software engineers but this issue remains difficult and challenging issue. In this study, new method based KNN, and parameter optimization techniques presented in the field of software defect prediction. The proposed method applied ensemble learning with KNN based Grid search to present new model for software defect detection. Furthermore, several classifiers are applied to obtain best detection rate. The obtained results are compared and discussed to select best model. The presented method obtained suitable results when compared with traditional techniques. The three datasets that are used in this study are CM1, JM1, and PC1 which proposed method presented various results with these datasets vary between 75% to 94%.
Benzer Tezler
- Novel software defect prediction method based on PCA and optimized LSTM
PCA ve optimize edilmiş LSTM'ye dayalı yeni yazılım kusur tahmin yöntemi
ANMAR SADEQ JASIM AL-OBAIDI
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ALOK MISHRA
PROF. DR. ALİ YAZICI
- 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
- 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
- Ağ trafiğinde etkili olan özniteliklerin tespiti ve yapay sinir ağları ile trafiklerin izin tahmini
Detection of features that are effective in network traffic and permission estimation of traffic with artifical neural network
MUHAMMED ÖZDEMİR
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN ESKİ
- 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
SHAHO ISMAEL HASSEN
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ YAZICI
PROF. DR. ALOK MISHRA