• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >Predicting open-source software quality using statistical and machine learning techniques.
【24h】

Predicting open-source software quality using statistical and machine learning techniques.

机译：使用统计和机器学习技术预测开源软件的质量。

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Developing high quality software is the goal of every software development organization. Software quality models are commonly used to assess and improve the software quality. These models, based on the past releases of the system, can be used to identify the fault-prone modules for the next release. This information is useful to the open-source software community, including both developers and users. Developers can use this information to clean or rebuild the faulty modules thus enhancing the system. The users of the software system can make informed decisions about the quality of the product. This thesis builds quality models using logistic regression, neural networks, decision trees, and genetic algorithms and compares their performance. Our results show that an overall accuracy of 65--85% is achieved with a type II misclassification rate of approximately 20--35%. Performance of each of the methods is comparable to the others with minor variations.
机译：开发高质量软件是每个软件开发组织的目标。软件质量模型通常用于评估和改善软件质量。这些模型基于系统的先前发行版，可用于识别下一个发行版中易于出错的模块。此信息对包括开发人员和用户在内的开源软件社区很有用。开发人员可以使用此信息来清理或重建有故障的模块，从而增强系统。软件系统的用户可以做出有关产品质量的明智决定。本文利用逻辑回归，神经网络，决策树和遗传算法建立了质量模型，并对它们的性能进行了比较。我们的结果表明，使用II型错误分类率大约为20--35％可以​​实现65--85％的总体准确性。每种方法的性能都可以与其他方法进行比较，只是略有不同。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号