Skoči na glavni sadržaj

Izvorni znanstveni članak

https://doi.org/10.17559/TV-20151219112129

Izbor neuravnoteženog niza podataka za predviđanje grešaka u računalnom programu primjenom hibridnih neuro-fuzzy sustava s Naive Bayes klasifikatorom

K. Punitha ; Anna University, Sardar Patel Road, Chennai 600025, Tamil Nadu, India
B. Latha ; Sri Sai Ram Engineering College, Sai Leo Nagar, West Tambaram, Chennai 600 044, Tamil Nadu, India


Puni tekst: hrvatski pdf 997 Kb

str. 1795-1804

preuzimanja: 673

citiraj

Puni tekst: engleski pdf 997 Kb

str. 1795-1804

preuzimanja: 451

citiraj


Sažetak

Predviđanje grešaka u računalnom programu (SDP-software defect prediction) je težak zadatak kad se radi o projektima računalnog programa. Taj je postupak koristan za identifikaciju i lokaciju neispravnosti iz modula. Taj će zadatak postati skuplji uz dodatak složenih mehanizama za ispitivanje i ocjenjivanje kad se poveća veličina modula programa. Daljnje konsistentne i disciplinirane provjere programa nude nekoliko prednosti, na pr. točnost u procjeni troškova i programiranja projekta, povećanje kvalitete postupka i proizvoda. Detaljna analiza metričkih podataka programa također može značajno pomoći u lociranju mogućih grešaka u programskom kodiranju. Osnovni je cilj ovoga rada predstaviti metode za detekciju i otkrivanje grešaka u programu primjenom postupaka strojnog učenja. U radu su korišteni nebalansirani nizovi podaka iz NASA-inog Metrics Data Programa (MDP) i programska metrika niza podataka izabrana je primjenom Genetičkog algoritma metodom Optimizacije kolonije mrava (Ant Colony Optimization -GACO). Postupak uzorkovanja metodom Modified Co Forest - polu-nadgledanog učenja, generira balansirano označene nizove podataka koristeći nebalansirane nizove, a primjenjuje se za učinkoviti postupak otkrivanja greške u programu s Hibridnim Neuro-Fuzzy sustavima za strojno učenje po Naive Bayes metodama. Eksperimentalni rezultati predložene metode dokazuju da je ova metoda za otkrivanje greške u računalnom program učinkovitija od drugih postojećih metoda, s boljim rezultatima u predviđanju greške.

Ključne riječi

Genetički algoritam s optimizacijom kolonije mrava (GACO); NASA-in Metrics Data Program (MDP); modificirana Co Forest metoda polu-nadgledanog učenja; predviđanje greške u računalnom programu (SDP)

Hrčak ID:

169699

URI

https://hrcak.srce.hr/169699

Datum izdavanja:

29.11.2016.

Podaci na drugim jezicima: engleski

Posjeta: 1.993 *