Πρόβλεψη και εκτίμηση στην τεχνολογία λογισμικού με μεθόδους ανάλυσης δεδομένων

 
see the original item page
in the repository's web site and access all digital files if the item*
share



PhD thesis (EN)

2008 (EN)
Estimation and prediction in software engineering
Πρόβλεψη και εκτίμηση στην τεχνολογία λογισμικού με μεθόδους ανάλυσης δεδομένων

Μπίμπη, Σταματία Γ.

Η παράδοση λογισμικού υψηλής ποιότητας, στα αναμενόμενα χρονικά περιθώρια και σε αποδεκτό κόστος είναι ένα σημαντικό ζήτημα για τη βιομηχανία λογισμικού. Στην πράξη η αξιοποίηση των μοντέλων εκτίμησης λογισμικού δεν είναι εύκολη υπόθεση καθώς συχνά παρουσιάζονται προβλήματα που σχετίζονται με την εφαρμογή και την ερμηνεία τους. Οι τυπικές μέθοδοι εκτίμησης, στην αποτελεσματική εφαρμογή των οποίων εστιάζει η παρούσα διατριβή, μπορούν να επιλύσουν σε μεγάλο βαθμό τα παραπάνω προβλήματα. Πιο συγκεκριμένα η διατριβή αυτή χωρίζεται σε τρία μέρη α)Σύγκριση μεθόδων. Αρχικά πραγματοποιείται μια σειρά από συγκρίσεις των τυπικών μεθόδων εκτίμησης, σε διάφορα ζητήματα που σχετίζονται με το κόστος ανάπτυξης λογισμικού και την ποιότητά του. Οι μέθοδοι που εφαρμόζονται είναι οι Κανόνες Συσχέτισης (ΚΣ), οι οποίοι εφαρμόζονται για πρώτη φορά σε αυτό το επιστημονικό πεδίο, τα Δέντρα Απόφασης (ΔΑ), τα Δίκτυα Bayes (ΔΒ) και η Εκτίμηση βασισμένη στις Αναλογίες (ΕβΑ). β) Προτάσεις βελτίωσης. Στη συνέχεια με βάση τα αποτελέσματα των συγκρίσεων που πραγματοποιήθηκαν προτείνονται τρόποι για την βελτίωση της απόδοσης των τυπικών μεθόδων εκτίμησης παραμέτρων ανάπτυξης λογισμικού. γ) Πρακτική εφαρμογή. Προτείνεται ένα σύνολο από εξειδικευμένα μοντέλα εκτίμησης που αφορούν την πρόβλεψη παραμέτρων ανάπτυξης συγκεριμένων τύπων εφαρμογών
An important issue for software development industry is the delivery of high quality software on time and within budget constraints. In practice, exploiting software development models is not an easy issue as problems regarding the adoption and interpretation of them may arise. Τhe current thesis explores the application of improved formal estimation methods. In particular this thesis consists of three parts: a) Comparison of methods. In this dissertation a series of comparisons regarding the suitability of formal methods in estimating software cost and quality issues are performed. The methods employed are Association Rules (AR), which are applied for the first time in the software estimation domain, Decision Trees (DT), Bayesian Belief Networks (BBN), Analogy based Cost Estimation (AbE). b) Suggestions for improvement. Based on the results of the comparisons performed, this thesis proposes certain improvement actions regarding the application of formal methods. c) Practical application of specialized estimation models

PhD Thesis / Διδακτορική Διατριβή
info:eu-repo/semantics/doctoralThesis

Computer software, Development
Machine learning techniques
Λογισμικό υπολογιστή, Ανάπτυξη
Δίκτυα Bayes
Λογισμικό υπολογιστή, Ποιότητα, Ελεγχος της
Εκτίμηση κόστους λογισμικού
Τεχνολογία λογισμικού, Διαχείριση
Software engineering, Management
Computer software, Quality control
Μέθοδοι μηχανικής μάθησης
Software cost estimation
Bayesian belief networks

Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (EL)
Aristotle University of Thessaloniki (EN)

Greek
English

2008
2009-06-21T21:00:00Z


Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Σχολή Θετικών Επιστημών, Τμήμα Πληροφορικής

This record is part of 'IKEE', the Institutional Repository of Aristotle University of Thessaloniki's Library and Information Centre found at http://ikee.lib.auth.gr. Unless otherwise stated above, the record metadata were created by and belong to Aristotle University of Thessaloniki Library, Greece and are made available to the public under Creative Commons Attribution-ShareAlike 4.0 International license (http://creativecommons.org/licenses/by-sa/4.0). Unless otherwise stated in the record, the content and copyright of files and fulltext documents belong to their respective authors. Out-of-copyright content that was digitized, converted, processed, modified, etc by AUTh Library, is made available to the public under Creative Commons Attribution-ShareAlike 4.0 International license (http://creativecommons.org/licenses/by-sa/4.0). You are kindly requested to make a reference to AUTh Library and the URL of the record containing the resource whenever you make use of this material.
info:eu-repo/semantics/openAccess



*Institutions are responsible for keeping their URLs functional (digital file, item page in repository site)