文献

J-GLOBAL ID：201702264707710380   整理番号：17A1032975

機械学習アルゴリズムを用いたソフトウェア欠陥予測解析【Powered by NICT】

Software defect prediction analysis using machine learning algorithms

著者 (2件)： Deep Singh Praman (University School of Information and Communication Technology, GGS IP University, Dwarka, New Delhi-110078) ,  Chug Anuradha (University School of Information and Communication Technology, GGS IP University, Dwarka, New Delhi-110078)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Confluence  ページ： 775-781  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ソフトウェア品質は,ソフトウェアの最も重要な側面である。ソフトウェア欠陥予測は品質に直接影響を及ぼすことができ,過去数年の有意な人気を達成した。欠陥ソフトウェアモジュールは,コスト超過,遅延時間軸と非常に高い保守コストをもたらしソフトウェアの品質に大きな影響を持っている。本論文では,最も一般的で広く使用されている機械学習アルゴリズムANN(人工神経回路網),PSO(P論文群最適化),DT(決定木),NB(Naive Bayes)およびLC(線形分類器)を解析した。五つのアルゴリズムは,KEELツールを用いて解析し,k倍交差検証法を用いて検証した。本研究で使用したデータセットはオープンソースNASA約束データセット貯蔵所から得た。七データセットは欠陥予測解析のために選択した。分類はこれらの7データセット上で行い,10倍交差検証法を用いて検証した。結果は欠陥予測精度の点で他のアルゴリズム上の線形分類器の優位性を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ディシジョンツリー ,  交差検証法 ,  保全費 ,  *学習アルゴリズム ,  線形性 ,  米国航空宇宙局 ,  ニューラルネットワーク ,  *ソフトウェア ,  品質 ,  最適化 ,  *アルゴリズム
準シソーラス用語： オープンソース ,  *欠陥予測 ,  ソフトウェア品質 ,  *予測解析 , 【Automatic Indexing@JST】

分類 (1件)： 計算機システム開発  (JD02010R)

タイトルに関連する用語 (5件)： 機械学習 ,  アルゴリズム ,  ソフトウェア ,  欠陥予測 ,  解析