• KIPS Transactions on Software and Data Engineering
• /
• v.2 no.1
• /
• pp.1-6
• /
• 2013

For predicting defect-prone module in software, SVM classifier showed good performance in a previous research. But there are disadvantages that SVM parameter should be chosen differently for every kernel, and algorithm should be performed iteratively for predict results of changed parameter. Therefore, we find these parameters using Genetic Algorithm and compare with result of classification by Backpropagation Algorithm. As a result, the performance of GA-SVM model is better.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10b
• /
• pp.635-637
• /
• 1998

시험 단계나 운용 단계에서 발견된 소프트웨어의 오류를 수정하기 위해서는 많은 비용을 투자해야 한다. 시스템 개발 초기 단계인 설계 단계에서 소프트웨어 시스템의 신뢰도에 영향을 많이 미치는 부분을 찾아 오류를 사전에 방지하는 연구가 많이 진행되고 있다. 모듈의 신뢰도를 설계 단계에서 예측할 수 있다면 프로젝트 관리자는 결함 경향이 강한 모듈 개발에 더 많은 자원을 할당함으로써 보다 신뢰성 있는 소프트웨어를 생산 할 수 있다. 본 논문에서는 실시간 소프트웨어의 설계 결과에 대한 복잡도 측정치를 토대로 신뢰도를 예측하는 모델을 제안하다. 유전자 알고리즘으로 찾아낸 이 모델을 사용하여 결함 경향이 강한(fault prone) 모듈과 그렇지 않은 모듈은 96%의 정확도로 선별해 낼 수 있다.

• Fire Science and Engineering
• /
• v.33 no.3
• /
• pp.121-127
• /
• 2019

This study examined a fire accident caused by a defect in the vehicle ABS module. A large number of vehicles using the same manufacturer's ABS module in recent fire events showed a tendency to combust due to the same faults. As previously stated in the ABS module which shows the electrical breakdown between the power lines supplied to the constant power source by the battery. The electrical breakdown of the ABS module was caused by defects of the ABS module itself that were influenced by of the external flame. These results highlight the need to determine if there is a deficiency of the ABS module in the investigation of the cause of a fire in a vehicle which is produced by the same manufacturer.

• Annual Conference of KIPS
• /
• 2011.04a
• /
• pp.1405-1408
• /
• 2011

소프트웨어 품질 측정은 소프트웨어 공학의 필수적인 요소이다. 소프트웨어 품질 척도 중 하나인 결합도는 모듈간의 얼마나 강하게 연결되어있는지를 나타낸다. 결합도는 소프트웨어의 결함-경향성, 모듈화, 재사용성, 변경-경향성 등 다양한 목적으로 사용된다. 기존의 결합도 척도들은 메소드호출 횟수에 의해서 결정되는데, 이는 메소드의 가중치를 고려하지 않기 때문에 결합도를 정확히 측정 하지 못한다. 본 논문은 페이지랭크 알고리즘을 이용하여 메소드의 가중치를 측정하고, 이를 이용한 결합도 척도 개선 방법에 대해 제안한다. 본 논문의 유효성을 검증하기 위하여, 4 개의 오픈 소스 프로젝트를 대상으로 기존의 방법과 개선된 방법으로 결합도 척도 3 개를 측정하였다. 개선된 결합도 3 개는 유지보수의 척도로 사용되는 변경-경향성(Change-Proneness)과의 상관계수가 기존의 결합도 척도에 비하여 눈의 띄게 향상되었다. 따라서 개선된 결합도 척도는 소프트웨어 품질을 더 정확하게 측정할 수 있다.

• Annual Conference of KIPS
• /
• 2013.11a
• /
• pp.945-947
• /
• 2013

입력 모듈의 결함경향성을 결정하는 결함 예측 모델 연구들은 대부분 훈련 데이터 집합을 사용하는 감독형 모델에 관련된 것들이었다. 하지만 과거 데이터 집합이 없거나 현재 프로젝트 성격이 다른 경우는 비감독형 모델이 필요하며, 이들에 관한 연구들은 모델 구축의 어려움 때문에 극소수 존재한다. 본 논문에서는 대표적인 클러스터링 알고리즘들을 사용한 비감독형 모델들을 제작하여, 기존 모델들이 많이 사용한 K-means 모델과 나머지 모델들의 성능을 비교하였다.

• KIPS Transactions on Software and Data Engineering
• /
• v.3 no.2
• /
• pp.57-64
• /
• 2014

Most previous studies of software fault prediction model which determines the fault-proneness of input modules have focused on supervised learning model using training data set. However, Unsupervised learning model is needed in case supervised learning model cannot be applied: either past training data set is not present or even though there exists data set, current project type is changed. Building an unsupervised learning model is extremely difficult that is why only a few studies exist. In this paper, we build unsupervised models using representative clustering algorithms, EM and DBSCAN, that have not been used in prior studies and compare these models with the previous model using K-means algorithm. The results of our study show that the EM model performs slightly better than the K-means model in terms of error rate and these two models significantly outperform the DBSCAN model.

• The Journal of the Korea Contents Association
• /
• v.8 no.7
• /
• pp.66-74
• /
• 2008

Criticality prediction models to identify most fault-prone modules in the system early in the software development process help in allocation of resources and foster software quality improvement. Many models for identifying fault-prone modules using design complexity metrics have been suggested, but most of them are training models that need training data set. Most organizations cannot use these models because very few organizations have their own training data. This paper builds a prediction model based on a well-known supervised learning model, error backpropagation neural net, using design metrics quantifying SDL system specifications. To solve the problem of other models, this model is trained by generated virtual training data set. Some simulation studies have been performed to investigate feasibility of this model, and the results show that suggested model can be an alternative for the organizations without real training data to predict their software qualities.