• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Software, IET >Empirical study of fault prediction for open-source systems using the Chidamber and Kemerer metrics
【24h】

Empirical study of fault prediction for open-source systems using the Chidamber and Kemerer metrics

机译：使用Chidamber和Kemerer指标的开源系统故障预测的经验研究

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

Software testers are usually provoked with projects that have faults. Predicting a class's fault-proneness is vital for minimising cost and improving the effectiveness of the software testing. Previous research on software metrics has shown strong relationships between software metrics and faults in object-oriented systems using a binary variable. However, these models do not consider the history of faults in classes. In this work, a dependent variable is proposed that uses fault history to rate classes into four categories (none, low risk, medium risk and high risk) and to improve the predictive capability of fault models. The study is conducted on many releases of four open-source systems. The study tests the statistical differences in seven machine learning algorithms to find whether the proposed variable can be used to build better prediction models. The performance of the classifiers using the four categories is significantly better than the binary variable. In addition, the results show improvements on the reliability of the prediction models as the software matures. Therefore the fault history improves the prediction of fault-proneness of classes in open-source systems.
机译：软件测试人员通常会惹起有故障的项目。预测类的故障倾向对于最小化成本和提高软件测试的有效性至关重要。以前对软件指标的研究表明，使用二进制变量在面向对象的系统中软件指标和故障之间存在很强的关系。但是，这些模型没有考虑类中的故障历史。在这项工作中，提出了一个因变量，该变量使用故障历史记录将类别分为四个类别（无，低风险，中风险和高风险），并提高了故障模型的预测能力。这项研究是针对四个开源系统的许多版本进行的。该研究测试了七种机器学习算法的统计差异，以发现建议的变量是否可用于构建更好的预测模型。使用这四个类别的分类器的性能明显优于二进制变量。此外，结果表明，随着软件的成熟，预测模型的可靠性得到了提高。因此，故障历史记录改善了开源系统中类的故障倾向性的预测。

著录项

  • 来源
    《Software, IET》 |2014年第3期|113-119|共7页
  • 作者

    Shatnawi R.;

  • 作者单位

    Software Engineering Department, Jordan University of Science and Technology, Irbid 22110, Jordan|c|;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

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