| | SLO | ENG | Cookies and privacy

Bigger font | Smaller font

Search the digital library catalog Help

Query: search in
search in
search in
search in
* old and bologna study programme

Options:
  Reset


1 - 2 / 2
First pagePrevious page1Next pageLast page
1.
Uporaba programskih metrik za napovedovanje težavnosti vzdrževanja kode
Aljaž Heričko, 2017, master's thesis

Abstract: Vzdrževanje je eno izmed najdražjih opravil v procesu razvoja programske opreme, po nekaterih študijah lahko predstavlja celo več kot polovico vseh stroškov projekta. V magistrskem delu smo opravili sistematičen pregled literature in raziskali metrike, ki se pogosto uporabljajo za oceno težavnosti vzdrževanja kode s pomočjo indeksa vzdrževalnosti. Analizirali in izbrali smo primerna orodja za pridobivanje metričnih vrednosti, potrebnih za izračun metrik vzdrževalnosti. Za štirideset odprtokodnih javanskih projektov smo izračunali vrednosti petih različic indeksa vzdrževalnosti in jih medsebojno primerjali. Skušali smo ugotoviti, katera izmed njih daje najboljši rezultat za napovedovanje na podlagi težavnosti izračuna ter doseganja primerljivih rezultatov s predhodno validiranim originalnim indeksom vzdrževalnosti. Ugotovili smo, da metrika, ki za delovanje potrebuje zgolj število vrstic, daje primerljive rezultate kot bistveno kompleksnejše metrike.
Keywords: programska oprema, kakovost, vzdrževalnost, metrike, indeks vzdrževalnosti
Published in DKUM: 24.10.2017; Views: 945; Downloads: 133
.pdf Full text (2,93 MB)

2.
KLASIFICIRANJE S POMOČJO PODATKOVNE GRAVITACIJE
Aljaž Heričko, 2014, undergraduate thesis

Abstract: V diplomski nalogi predstavimo osnovne značilnosti klasifikacijskih pristopov, ki temeljijo na podatkovni gravitaciji ter predlagamo nov klasifikacijski algoritem in klasifikator, ki temelji na principu podatkovne gravitacije. Učinkovitost predlaganega klasifikatorja v smislu točnosti razvrščanja smo ovrednotili na naboru sedmih standardnih podatkovnih zbirk in rezultate primerjali z drugimi uveljavljenimi klasifikacijskimi algoritmi. Na osnovi rezultatov eksperimentalne študije lahko sklepamo, da predlagani klasifikator, podobno kot nekateri drugi na podatkovni gravitaciji temelječi pristopi, zagotavljajo zadovoljive in primerljive rezultate nad standardnimi testnimi podatkovnimi množicami.
Keywords: umetna inteligenca, strojno učenje, podatkovna gravitacija, tehnike klasifikacije, orodje Weka
Published in DKUM: 25.02.2015; Views: 1678; Downloads: 146
.pdf Full text (1,66 MB)

Search done in 0.04 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica