메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Pradeep Singh (National Institute of Technology) Shrish Verma (Indian Institute of Information Technology) O. P Vyas (National Institute of Technology)
저널정보
대한전기학회 Journal of Electrical Engineering & Technology Journal of Electrical Engineering & Technology Vol.9 No.5
발행연도
2014.9
수록면
1,739 - 1,745 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Prediction of fault-prone modules continues to attract researcher’s interest due to its significant impact on software development cost. The most important goal of such techniques is to correctly identify the modules where faults are most likely to present in early phases of software development lifecycle. Various software metrics related to modules level fault data have been successfully used for prediction of fault-prone modules. Goal of this research is to predict the faulty modules at design phase using design metrics of modules and faults related to modules. We have analyzed the effect of pre-processing and different machine learning schemes on eleven projects from NASA Metrics Data Program which offers design metrics and its related faults. Using seven machine learning and four preprocessing techniques we confirmed that models built from design metrics are surprisingly good at fault proneness prediction. The result shows that we should choose Naive Bayes or Voting feature intervals with discretization for different data sets as they outperformed out of 28 schemes. Naive Bayes and Voting feature intervals has performed AUC > 0.7 on average of eleven projects. Our proposed framework is effective and can predict an acceptable level of fault at design phases.
#Software metrics #Machine learning #Design metric #Fault prediction

목차

Abstract
1. Introduction
2. Related Work
3. Metrics Description
4. Experimental Design
5. Results
6. Conclusion
References

참고문헌 (21)

참고문헌 신청
1. [인터넷자원] - / / http://www.cse.lehigh.edu/~gtan/bug/localCopies/nist Report.pdf google schola 2. [단행본] - Barry Boehm / 1981 / Software Engineering Economics / Prentice Hall, Inc. google schola 3. [인터넷자원] - / / www.promisedata.org google schola 4. [학술지(정기간행물)] - T. Menzies / 2007 / Data Mining Static Code Attributes to Learn Defect Predictors / IEEE Trans. Software Eng 33 (1) : 2 ~ 13 google schola 5. [학술지(정기간행물)] - S. Lessmann / 2008 / Benchmarking Classification Models for Software Defect Prediction : A Proposed Framework and Novel Findings / IEEE Trans. Software Eng 34 (4) : 485 ~ 496 google schola

이 논문의 저자 정보

이 논문과 함께 이용한 논문

2채널 영상 스트리밍 기술을 적용한 차량용 전. 후방 무선 영상 모니터링 시스템
나희수 ,  원영진 ,  윤중근 외 4명 전자공학회논문지 2014 .12
MPLS망에서 Q-MOTP를 위한 자원 적응적 QoS 관리
최원근 전자공학회논문지 2014 .12
접지전류의 입사점에 따른 정보통신설비용 수평접지전극의 과도전위상승 계산 방법
안창환 전자공학회논문지 2014 .12
Design and Fabrication of HgI2 Sensor for Phosphor Screen based flat panel X-ray Detector
Ji Koon Pa ,  k ,  Bong Jae Jung 외 2명 전자공학회논문지 2014 .12
3D-SPACE T2 기법에 의한 TOF-MRA검사 시 발생하는 혈관 내 협착 정도의 측정 오류 개선에 관한 연구
한용수 ,  김호철 ,  이동영 외 3명 전자공학회논문지 2014 .12

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2015-500-002560763