Статті (ПЗАС)
Постійне посилання зібрання
Переглянути
Перегляд Статті (ПЗАС) за Ключові слова "Java-застосунок"
Зараз показуємо 1 - 2 з 2
Результатів на сторінці
Налаштування сортування
Документ Математичні моделі для оцінювання розміру Java-застосунків(Херсонський національний технічний університет, 2024-07-01) Орєхов О. С.; Фаріонова Т. А.; Oriekhov O. S.; Farionova T. A.У статті розглядається застосування математичних моделей для оцінювання розміру Java-застосунків. Мова програмування Java є однією з найбільш поширених у світі та широко використовується в розробці різноманітних програмних проєктів. Оцінювання розміру Java-застосунку є актуальною задачею, яка невідʼємно повʼязана з життєвим циклом розробки програмного забезпечення на ранніх стадіях проєктування. Метою роботи є підвищення достовірності оцінювання кількості рядків коду Java-застосунків на ранніх стадіях розробки програмних проєктів за метриками діаграми класів шляхом побудови нелінійних регресійних моделей. Об’єктом дослідження є процес оцінювання розміру Java-застосунків з відкритим кодом. Предметом дослідження є математичні моделі для оцінювання розміру Java-застосунків. Для досягнення поставленої мети було зібрано 2 вибірки метрик Java-застосунків із відкритим програмних кодом – нвчальна, розміром 286, та тестова, розміром 285 точок даних, проведено аналіз та порівняння існуючих математичних моделей і рівнянь для оцінювання розміру Java-застосунків на тестовій вибірці. Доведено, що існуючі регресійні рівняння та моделі мають незадовільний рівень якості прогнозування розміру Java-застосунків або не можуть бути застосовані для наведеного набору даних через обмеження регресійних моделей. Із використанням навчальної вибірки, побудовано однофакторні нелінійні регресійні моделі для оцінювання розміру Java-застосунків на основі нормалізуючих перетворення десяткового логарифму, Бокса-Кокса та Джонсона сімейства SB за метрикою кількості класів (CLASS) та двофакторна нелінійна регресійна модель на основі нормалізуючого перетворення десяткового логарифму за метриками кількості класів (CLASS) та загальна кількість видимих методів (VMQ). Отримана двофакторна нелінійна регресійна модель на основі перетворення у вигляді десяткового логарифму має меншу середню величину відносної похибки, вище значення відсотка передбачення для рівня відносної похибки та вище значення коефіцієнту детермінації, що у порівнянні з існуючими моделями дозволяє підвищити достовірність оцінювання кількості рядків коду Java-застосунків.Документ Чотирьохфакторна нелінійна регресійна модель для оцінювання розміру Java-застосунків з відкритим кодом(2020) Приходько, С. Б.; Приходько, Н. В.; Смикодуб, Т. Г.; Prykhodko, S. B.; Prykhodko, N. V.; Smykodub, T. G.Метою роботи є створення множинної нелінійної регресійної моделі для оцінювання розміру Java-застосунків з відкритим кодом на основі багатовимірного нормалізуючого перетворення за значеннями змінних, що можуть бути визначені за діаграмою класів. Чотирьохфакторну нелінійну регресійну модель для оцінювання розміру Java-застосунків з відкритим кодом побудовано на основі нормалізації за допомогою п’ятивимірного перетворення Джонсона для сімейства SB негаусівського набору даних: кількості строк коду (LOC); кількості класів (Classes); кількості статичних методів (NOSM); метрики, що характеризує відсутність згуртованості методів (Lack of Cohesion of Methods, LCOM), та кількості викликів унікального методу в класі (the Response for Class, RFC) з 38 застосунків, розташованих на сайті GitHub (https://github.com) за допомогою інструменту CK (https://github. com/mauricioaniche/ck). Також нормалізацію цього набору даних було здійснено і за допомогою двох одновимірних перетворень: у вигляді десяткового логарифму та перетворення Джонсона для сімейства SB. Використання п’ятивимірного перетворення порівняно з одновимірними дозволяє врахувати кореляцію між змінними, що призводить до покращення нормалізації даних, яка пов’язана з виконанням статистичної гіпотези щодо відповідності їх розподілу п’ятивимірному розподілу Гаусу, з подальшим підвищенням достовірності відповідного оцінювання. Виконано порівняння побудованої нелінійної моделі з лінійною регресійною моделлю і нелінійними регресійними моделями на основі десяткового логарифму і одновимірного перетворення Джонсона. Нелінійна модель, що побудована, порівняно з іншими регресійними моделями (як лінійними, так і нелінійними) має більші значення множинного коефіцієнту детермінації та відсотка прогнозування на рівні величини відносної похибки, який дорівнює 0,25, менші значення середньої величини відносної похибки та ширини інтервалу передбачення нелінійної регресії. Цей результат може бути пояснений найкращою багатовимірною нормалізацією і тим, що немає підстав відкидати нульову гіпотезу про те, що п’ятивимірний розподіл для нормалізованих даних, який нормалізується за допомогою п’ятивимірного перетворення Джонсона для сімейства SB, є таким самим, як і п’ятивимірний нормальний розподіл.