• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Software, IET >Analogy-based effort estimation: a new method to discover set of analogies from dataset characteristics
【24h】

Analogy-based effort estimation: a new method to discover set of analogies from dataset characteristics

机译：基于类比​​的工作量估算：一种从数据集特征中发现类比集的新方法

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

Analogy-based effort estimation (ABE) is one of the efficient methods for software effort estimation because of its outstanding performance and capability of handling noisy datasets. Conventional ABE models usually use the same number of analogies for all projects in the datasets in order to make good estimates. The authors' claim is that using same number of analogies may produce overall best performance for the whole dataset but not necessarily best performance for each individual project. Therefore there is a need to better understand the dataset characteristics in order to discover the optimum set of analogies for each project rather than using a static nearest projects. The authors propose a new technique based on bisecting medoids clustering algorithm to come up with the best set of analogies for each individual project before making the prediction. With bisecting medoids it is possible to better understand the dataset characteristic, and automatically find best set of analogies for each test project. Performance figures of the proposed estimation method are promising and better than those of other regular ABE models.
机译：基于类比​​的工作量估计（ABE）由于其出色的性能和处理嘈杂数据集的能力而成为软件工作量估计的有效方法之一。常规的ABE模型通常对数据集中的所有项目使用相同数量的类比，以便做出良好的估算。作者的主张是，使用相同数量的类比可能会为整个数据集产生总体上最佳的性能，但不一定会为每个单独的项目带来最佳的性能。因此，有必要更好地理解数据集特征，以便发现每个项目的最佳类比，而不是使用静态的最近项目。作者提出了一种基于二等分聚类聚类算法的新技术，以便在进行预测之前为每个单独的项目提供最佳的类比。使用平分质体，可以更好地了解数据集特征，并自动为每个测试项目找到最佳的类比集。所提出的估计方法的性能数据是有希望的，并且比其他常规ABE模型的性能数据更好。

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