Combining machine learning with use-case point for enhancing software estimation
Other Title(s)
الجمع بين التعلم الآلي و نقطة حالة الاستخدام لتحسين تقدير البرامج
Dissertant
al-Rababiah, Nimah Salih Ahmad
Thesis advisor
University
Isra University
Faculty
Faculty of Information Technology
Department
Department Software Engineering
University Country
Jordan
Degree
Master
Degree Date
2022
Arabic Abstract
بعد تقدير البرامج أحد الأنشطة المحورية في مشاريع هندسة البرمجيات.
ومع ذلك، فإن التنبؤ بجهد البرمجيات يمثل تحديا نظرا لتعقيد الحلول البرمجية و عدم وضوحها وتنوعها وخبراتها المتضمنة و تقنياتها التطبيقية يهدف هذا العمل إلى تحسين دقة التنبؤ لتقدير البرامج باستخدام خوارزميات التعلم الآلي (ML) واستنادا إلى تحليل نقاط حالة الاستخدام (UCP) الذي يستخدم عادة في تقدير البرامج الموجهة للكائنات تضمن هذا البحث تطبيق تسع خوارزميات الانحدار و التصنيف : أشجار القرار (K-Nearest Neighbour (KNN) (DT، الغابات العشوائية (RF) التدرج العشوائي اللائق (SGD) آلة المتجهات الداعمة (SVM)، الشبكات العصبية الاصطناعية (ANN)، الانحدار اللوجستي Naive Bayes و استقراء قاعدة CN2.
تم تطبيق هذه التقنيات على مجموعة بيانات تاريخية تمثل العديد من مشاريع البرامج الموجهة الكائنات.
تتكون مجموعة البيانات من 70 مشروعا تم وصفها باستخدام 37 سمة مرتبطة يمتطلبات البرامج و عملية التطوير و تطبيق المجال و العوامل التقنية و البيئية للمشروع و السمات الأخرى المحسوبة بناءً على تحليل UCP أظهرت النتائج التجريبية في هذا العمل أنه في نموذج الانحدار سجل نموذج RF 0.86 في (R-Squared Error )R ، بينما سجل نموذج SGD 0.83%.
حققت RF و KNN و DT أفضل نتائج التصنيف عند تطبيقها على مجموعة بيانات مستويات الجهد الثلاثة مع درجة دقة التصنيف (CA) 84.28 و 82.85% و 82.85% على التوالي.
حققت DT و KNN و RF أيضا أداءً ممتازا عند تطبيقها على مجموعة بيانات مستويات الجهد الخمسة بدرجة %85.71 و 77.14% و 72.85% على التوالي.
تم العثور على درجات التقييم هذه أفضل بكثير من تلك التي تم تحقيقها باستخدام حسابات طريقة UCP.
English Abstract
Software estimation is one of the pivotal activities in software engineering projects.
However, predicting software effort is challenging due to the complexity, intangibility, and diversity of software solutions and the associated expertise and applied technologies.
This work aims at improving the prediction accuracy of software estimation using Machine Learning (ML) algorithms and is based on Use-Case Points analysis (UCP), which is typically used in object-oriented software estimation.
This research involved applying nine regression and classification algorithms: Decision Trees (DT), K-Nearest Neighbor (KNN), Random Forests (RF), Stochastic Gradient Decent (SGD), Support Vector Machine (SVM), Artificial Neural Networks (ANN), Logistic Regression, Naïve Bays and CN2 Rule Induction.
These techniques were applied to a historical dataset consisting of 70 projects that are described using 37 attributes, which are related to software requirements, development process, domain application, project technical and environmental factors, and other attributes computed based on UCP analysis.
The experimental results in this work showed that in the regression model, the RF model scored 0.86% in R-Squared Error (R2), while the SGD model scored 0.83%.
RF, KNN, and DT achieved the best classification results when applied to the three effort levels dataset with a Classification Accuracy (CA) score of 84.28%, 82.85% and 82.85% respectively.
DT, KNN, and RF also achieved excellent performance when applied to the five effort levels dataset with a CA score of 85.71%, 77.14% and 72.85% respectively.
These evaluation scores were found to be significantly better than those achieved using the UCP method calculations.
Main Subjects
Information Technology and Computer Science
No. of Pages
107
Table of Contents
Table of contents.
Abstract.
Abstract in Arabic.
Chapter One : Introduction.
Chapter Two : Theoretical framework.
Chapter Three : Literature review.
Chapter Four : Research methodology.
Chapter Five : Results and discussion.
Chapter Six : Conclusions and future work.
References.
American Psychological Association (APA)
al-Rababiah, Nimah Salih Ahmad. (2022). Combining machine learning with use-case point for enhancing software estimation. (Master's theses Theses and Dissertations Master). Isra University, Jordan
https://search.emarefa.net/detail/BIM-1429107
Modern Language Association (MLA)
al-Rababiah, Nimah Salih Ahmad. Combining machine learning with use-case point for enhancing software estimation. (Master's theses Theses and Dissertations Master). Isra University. (2022).
https://search.emarefa.net/detail/BIM-1429107
American Medical Association (AMA)
al-Rababiah, Nimah Salih Ahmad. (2022). Combining machine learning with use-case point for enhancing software estimation. (Master's theses Theses and Dissertations Master). Isra University, Jordan
https://search.emarefa.net/detail/BIM-1429107
Language
English
Data Type
Arab Theses
Record ID
BIM-1429107