• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Arabian Journal for Science and Engineering. Section A, Sciences >A Comparative Analysis on Effort Estimation for Agile and Non‑agile Software Projects Using DBN‑ALO
【24h】

A Comparative Analysis on Effort Estimation for Agile and Non‑agile Software Projects Using DBN‑ALO

机译：使用DBN‑ALO进行敏捷和非敏捷软件项目的工作量估算的比较分析

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

At present, in the software industry, agile and non-agile software development approaches are followed and effort estimationis an intrinsic part of both the approaches. This work investigates the application of deep belief network (DBN) alongwith antlion optimization (ALO) technique for effort prediction in both agile as well as non-agile software developmentenvironment. The study also provides a prediction interval of effort to handle uncertainty in estimation. This will help theproject managers to estimate the effort in ranges instead of a crisp value. The proposed DBN-ALO approach is applied onfour promise repository datasets for traditional software development (non-agile), and on three agile datasets. It providesthe best results in all the evaluation criteria used. The proposed approach is also statistically validated using nonparametrictests, and it is found that DBN-ALO worked best for both agile and non-agile development approaches.
机译：当前，在软件行业中，遵循敏捷和非敏捷软件开发方法，而工作量估计是这两种方法的固有部分。这项工作研究了深度信念网络（DBN）和蚁群优化（ALO）技术在敏捷和非敏捷软件开发环境中的工作量预测的应用。该研究还提供了一个预测间隔，以处理估计中的不确定性。这将有助于项目经理估算范围内的工作量，而不是明确的价值。所提出的DBN-ALO方法应用于传统软件开发的四个Promise存储库数据集（非敏捷）和三个敏捷数据集。它在所有使用的评估标准中均提供最佳结果。所提出的方法还使用非参数检验进行了统计验证，并且发现DBN-ALO对于敏捷和非敏捷开发方法都工作得最好。

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