МЕТОД КАЛІБРУВАННЯ МОДЕЛЕЙ COCOMO ОЦІНКИ ВАРТОСТІ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ ШЛЯХОМ РЕДУКЦІЇ ОСНОВНОГО РІВНЯННЯ

Автор(и)

  • Дмитро Володимирович Баценко Національний авіаційний університет

Ключові слова:

Калібрування, COCOMO, програмне забезпечення

Анотація

У статті розглядається метод калібрування моделей оцінки вартості програмного забезпечення COCOMO шляхом редукції основного рівняння і наукові та математичні методи, що були покладені в його основу.

Біографія автора

Дмитро Володимирович Баценко, Національний авіаційний університет

Старший викладач кафедри інженерії програмного забезпечення факультету комп'ютерних наук. Наукові інтереси: управління проектами, методи та моделі оцінки вартості розробки ПЗ, методології та технології розробки програмного забезпечення, тестування програмного забезпечення, якість та управління якістю ПЗ, бази даних, життєвий цикл ПЗ, програмне забезпечення роботів.

Посилання

R. Kohavi, G. John, ―"Feature Extraction, Construction and Selection : A Data Mining Рerspective", edited by H. Liu and H. Motoda.

Foss, T.; Stensrud, E.; Kitchenham, B.; Myrtveit, I. "A Simulation Study of the Model Evaluation Criterion MMRE", IEEE Transactions on Software Engineering, 29(2003)11, pp. 985-995

M. Jørgensen, D. I. K. Sjøberg. "An effort prediction interval approach based on the empirical distribution of previous estimation accuracy",Journal of Information and Software Technology, 45 (3), March 2003, pp. 123-136.

K. J. Molokken-Ostvold. "Effort and Schedule Estimation of Software Development Projects", PhD-thesis, 2004, http://www.simula.no/photo/effort_and_schedule_ estimation_of_software_development_projects.pdf

S. Chulani, B. Boehm, B. Steece. ―Bayesian analysis of empirical software engineering cost models‖. IEEE Transactions on Software Engineering, 25(4), July/August 1999.

T. Mitchell. ―Machine Learning‖, McGraw Hill, ISBN 0070428077, 1997.

I. H. Witten, E. Frank, ―Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations‖. Morgan Kaufmann, 1999.

M. Shepperd and C. Schofield., ―Estimating Software Project Effort Using Analogies‖, IEEE Transactions on Software Engineering, Nov 1997, Vol. 23, No. 12. http://www.utdallas.edu/~rbanker/SE_XII.pdf

K. Srinivasan and D. Fisher. "Machine learning approaches to estimating software development effort", IEEE Trans. Soft. Eng., pages 126–137, February 1995.

G. Wittig, G. Finnie. "Estimating software development effort with connectionist models", Information and Software Technology, 39(7):469–476, 1997.

L. C. Briand, Kh. El Emam, D. Surmann, I. Wieczorek. "An assessment and comparison of common software cost estimation modeling techniques", The 21st International Conference on Software Engineering, May 1999.

C. Mair, G. Kadoda, M. Lefley. "An Investigation of Machine Learning Based Prediction Systems", Journal of software systems, vol. 53, pp. pp23-29, July 2000.

S. Bibi, I. Stamelos, L. Aggelis. "Bayesian Belief Networks as a Software Productivity Estimation Tool", 1st Balkan Conference in Informatics, Thessaloniki, Greece, November 2003.

G. Boetticher. "When will it be done? the 300 billion dollar question, machine learner answers", IEEE Intelligent Systems, June 2003.

T. Menzies, D. Port, Z. Chen, J. Hihn, S. Stukes. "Validation Methods for Calibrating Software Effort Models", ICSE 2005, May 15–21, 2005

M.A. Hall and G. Holmes. ―Benchmarking attribute selection techniques for discrete class data mining‖. IEEE Transactions On Knowledge And Data Engineering, 15(6):1437– 1447, 2003

##submission.downloads##

Опубліковано

2012-12-10

Номер

Розділ

ОЦІНКА ВИТРАТ ТА ВАРТОСТІ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ