magistrsko delo
Mihael Polanec (Avtor), Peter Kokol (Mentor)

Povzetek

V magistrski nalogi smo spoznali različne tipe metrik za merjenje karakteristik izvorne kode in algoritme strojnega učenja. Obe področji smo združili v aplikaciji, s katero smo testirali natančnost napovedovanja prisotnosti napak v izvorni kodi z različnimi algoritmi strojnega učenja. Aplikacija je razvita v Javi s pomočjo knjižnice WEKA 3.8. S pridobljenimi rezultati smo pokazali, da bi nekatere pristope lahko uporabili za napovedovanje napak v izvorni kodi.

Ključne besede

metrike programske opreme;strojno učenje;napake programske opreme;magistrske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.09 - Magistrsko delo
Organizacija: UM FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Založnik: M. Polanec
UDK: 004.4'2/.6:004.5(043.2)
COBISS: 21989654 Povezava se bo odprla v novem oknu
Št. ogledov: 740
Št. prenosov: 150
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Fault presence detection and prediction in the source code using software metrics and machine learning
Sekundarni povzetek: In this master thesis we studied various types of metrics for measuring source code characteristic and machine learning algorithms. We combined the two fields in an application to test the accuracy of fault presence detection with various machine learning algorithms. The application was developed in Java using the WEKA 3.8 library. Using the btained results, we have shown that some approaches could be used to predict errors in the source code.
Sekundarne ključne besede: software metrics;machine learning;software faults;
URN: URN:SI:UM:
Vrsta dela (COBISS): Magistrsko delo/naloga
Komentar na gradivo: Univ. v Mariboru, Fak. za elektrotehniko, računalništvo in informatiko, Računalništvo in informacijske tehnologije
Strani: XIV, 96 str.
ID: 10977200