Napredna pretraga

Pregled bibliografske jedinice broj: 831751

Poboljšanje postupaka za predviđanje programskih neispravnosti zasnovano na strojnom učenju


Mauša, Goran
Poboljšanje postupaka za predviđanje programskih neispravnosti zasnovano na strojnom učenju 2016., doktorska disertacija, Fakultet elektrotehnike i računarstva, Zagreb


Naslov
Poboljšanje postupaka za predviđanje programskih neispravnosti zasnovano na strojnom učenju
(Improvement of Software Defect Prediction Methods Based On Machine Learning)

Autori
Mauša, Goran

Vrsta, podvrsta i kategorija rada
Ocjenski radovi, doktorska disertacija

Fakultet
Fakultet elektrotehnike i računarstva

Mjesto
Zagreb

Datum
18.07

Godina
2016

Stranica
171

Mentor
Dalbelo Bašić, Bojana ; Galinac Grbac, Tihana

Ključne riječi
predviđanje programskih neispravnosti; prikupljanje podataka; neujednačeni skupovi podataka; strojno učenje
(software defect prediction; data collection; data imbalance; machine learning)

Sažetak
Povećanje složenosti programskih sustava uzrokuje povećanje opsega verifikacijskog djelovanja, a time i troškova razvoja. Programske neispravnosti nejednoliko su raspoređene po programskim sustavima i to na način da se u manjem postotku programa nalazi veći postotak neispravnosti. Ova se disertacija bavi predviđanjem dijelova sustava sa programskim neispravnostima s ciljem pametnog usmjeravanja verifikacijskih strategija. Postupci prikupljanja podataka za potrebe predviđanja programskih neispravnosti nisu u potpunosti normirani i osnovni su uzrok nemogućnosti poopćenja primjene metoda predviđanja. Ostvareni doprinosi su pri tome postupak za prikupljanje podataka utemeljen na industrijskim normama te algoritam za prikupljanje podataka zasnovan na statičkim metrikama programskog koda, s ciljem povećanja prikladnosti podataka za primjenu metoda predviđanja programskih neispravnosti. Drugi problem kojem se posvećuje rad je neujednačenost skupova podataka, što je inherentno svojstvo u ovoj domeni. Ostvareni doprinosi su pri tome metode za utvrđivanje granične razine neujednačenosti za metode strojnog učenja te postupka za odabir prikladnog modela predviđanja programskih neispravnosti na neujednačenim skupovima podataka. Pomoću predloženih postupaka moguće je unaprijed bolje procijeniti neispravne dijelove programskog sustava i time poboljšati verifikacijsku i razvojnu strategiju programskih sustava te unaprijediti planiranje budućih ulaganja u razvoj složenih programskih sustava u evoluciji.

Izvorni jezik
Hrvatski

Znanstvena područja
Računarstvo



POVEZANOST RADA


Projekt / tema
UIP-2014-09-7945

Ustanove
Fakultet elektrotehnike i računarstva, Zagreb

Citiraj ovu publikaciju

Mauša, Goran
Poboljšanje postupaka za predviđanje programskih neispravnosti zasnovano na strojnom učenju 2016., doktorska disertacija, Fakultet elektrotehnike i računarstva, Zagreb
Mauša, G. (2016) 'Poboljšanje postupaka za predviđanje programskih neispravnosti zasnovano na strojnom učenju', doktorska disertacija, Fakultet elektrotehnike i računarstva, Zagreb.
@phdthesis{phdthesis, author = {Mau\v{s}a, G.}, year = {2016}, pages = {171}, keywords = {software defect prediction, data collection, data imbalance, machine learning}, title = {Improvement of Software Defect Prediction Methods Based On Machine Learning}, keyword = {software defect prediction, data collection, data imbalance, machine learning}, publisherplace = {Zagreb} }