文献

J-GLOBAL ID：202202274261369020   整理番号：22A0003291

ソフトウェア努力推定のための種々のカーネルスムーザによる局所重み付き回帰【JST・京大機械翻訳】

Locally weighted regression with different kernel smoothers for software effort estimation

著者 (3件)： Alqasrawi Yousef (Faculty of Information Technology, Applied Science Private University, Amman, Jordan) ,  Azzeh Mohammad (Department of Data Science, Princess Sumaya University for Technology, Amman, Jordan) ,  Elsheikh Yousef (Faculty of Information Technology, Applied Science Private University, Amman, Jordan)
資料名： Science of Computer Programming  (Science of Computer Programming)
巻： 214  ページ： Null  発行年： 2022年 
JST資料番号： H0806A  ISSN： 0167-6423  CODEN： SCPGD4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 推定ソフトウェア努力は数十年間大きな未解決問題である。建築物の正確な推定モデルを妨げる主な理由の一つは,複雑な構造のソフトウェアデータのしばしば不均一な性質である。典型的には,局所データからの建築努力推定モデルは,全データを使用するよりも正確である傾向がある。以前の研究は,局所予測モデルの構築を助けることができる局所およびコヒーレントデータを生成するために,クラスタリング技術および決定木の使用に焦点を合わせてきた。しかし,これらのアプローチは,最適クラスタの発見とノイズの多いデータの処理における限界により,いくつかの観点で短くなるかもしれない。本論文では,局所重みづけ回帰(LWR)であるこれらの欠点を緩和することができるより洗練された局所アプローチを用いた。この方法は,k-最近傍ベースモデルにおける多重局所回帰モデルを組み合わせた推定モデルの構築により,局所データから学習する効率的な解を提供する。この方法の精度に影響する主な要因は,局所回帰モデルの重みを導出するために使用されるカーネル関数の選択である。本論文では,ソフトウェア努力推定問題の局所重みづけ回帰の性能に対する異なるカーネルの選択効果を調べた。7つのデータセット,合計840の局所的加重回帰変異体による10のカーネル,3つの多項式度,および4つの帯域幅値による包括的実験の後,著者らは以下のことを見出した。1)均一カーネル関数は,非均一カーネル関数より優れず,2)カーネルタイプ,多項式度,および帯域幅パラメータは,推定精度に特別な効果を持たない。言い換えれば,カーネルランキングにおいて,帯域幅または程度値の変化は,有意差によって起こらなかった。要するに,TriweightまたはTriangleカーネルによる局所重みづけ回帰法は,より複雑なカーネルよりも良好に機能できる。したがって,著者らは,広い帯域幅と小さな多項式度を有するよりスムーズな関数として,非均一カーネル法を奨励する。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コヒーレンス ,  雑音 ,  多項式 ,  クラスタ化 ,  多重化 ,  クラスタ ,  ディシジョンツリー ,  帯域幅 ,  *ソフトウェア ,  回帰モデル ,  予測モデル
準シソーラス用語： 推定精度 ,  Kernel関数 ,  Kernel法 ,  推定モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： 努力評価 ,  局所重み付き回帰 ,  カーネル関数 ,  k最近傍

分類 (2件)： 計算機システム開発  (JD02010R) ,  数値計算  (JE02000J)

タイトルに関連する用語 (2件)： ソフトウェア ,  推定