Mô hình dự đoán lỗi phần mềm hiệu quả sử dụng Extreme Learning Machine với các phương pháp kernel khác nhau

( 0 đánh giá )
Miễn phí

Mô hình sử dụng 20 chỉ số phần mềm hướng đối tượng (OO metrics) để huấn luyện ELM với các kernel: tuyến tính, đa thức, sigmoid và RBF.

   - Áp dụng 9 kỹ thuật chọn đặc trưng để loại bỏ các chỉ số không liên quan, nhằm tăng độ chính xác và giảm lỗi phân loại.

   - Đề xuất khung phân tích chi phí để đánh giá hiệu quả kinh tế của mô hình dự đoán lỗi, dựa trên chi phí phát hiện lỗi ở các giai đoạn kiểm thử khác nhau.

   - Thử nghiệm trên 30 dự án Java mã nguồn mở từ PROMISE Repository, với tỷ lệ lớp lỗi khác nhau.

   - Kết quả cho thấy mô hình dự đoán lỗi hiệu quả hơn khi tỷ lệ lớp lỗi dưới ngưỡng nhất định, phụ thuộc vào hiệu suất phát hiện lỗi (cao: 25.72%, trung bình: 39.24%, thấp: 47.28%).

   - Phân tích hồi quy logistic được sử dụng để xác định ngưỡng hiệu quả của mô hình theo tỷ lệ lớp lỗi.