| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Iskanje po katalogu digitalne knjižnice Pomoč

Iskalni niz: išči po
išči po
išči po
išči po
* po starem in bolonjskem študiju

Opcije:
  Ponastavi


1 - 2 / 2
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
Uporaba programskih metrik za napovedovanje težavnosti vzdrževanja kode
Aljaž Heričko, 2017, magistrsko delo

Opis: 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.
Ključne besede: programska oprema, kakovost, vzdrževalnost, metrike, indeks vzdrževalnosti
Objavljeno v DKUM: 24.10.2017; Ogledov: 901; Prenosov: 133
.pdf Celotno besedilo (2,93 MB)

2.
KLASIFICIRANJE S POMOČJO PODATKOVNE GRAVITACIJE
Aljaž Heričko, 2014, diplomsko delo

Opis: 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.
Ključne besede: umetna inteligenca, strojno učenje, podatkovna gravitacija, tehnike klasifikacije, orodje Weka
Objavljeno v DKUM: 25.02.2015; Ogledov: 1635; Prenosov: 145
.pdf Celotno besedilo (1,66 MB)

Iskanje izvedeno v 0.04 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici