• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권7호
• /
• pp.205-212
• /
• 2020

결함은 소프트웨어의 품질에서 중요한 요소가 된다. 결함을 관리하기 위하여 검색과 분류의 추가적인 정보를 제안하고자 한다. 추가적인 정보는 체계적인 분류체계와 연산방법을 제시한다. 본 연구에서는 결함관리를 위하여 요구사항 분석 단계의 추가적인 정보를 제시하고자 한다.

• 인터넷정보학회논문지
• /
• 제20권2호
• /
• pp.29-37
• /
• 2019

As software development technology evolves, the quality of software has increased. But software created through sophisticated technology is still defective. The developer will be aware of the defect through a bug report and the reported defect must be fixed as soon as possible for the software to function correctly. It is important to know which component of the program is related to the reported defect and should be fixed. However, even though the developer understands the developed software, the task of tracing faults is a time-consuming task and requires effort. Therefore, if there is a way for developers to support tracing faults, they could fix defects more quickly. Because fixing defects rapidly is a factor of software reliability, fault traceability is essential and an effective method is needed. Therefore, in this paper, we propose a model-based fault traceability enhancement technique by using bug report and commit information and verify the effectiveness of the proposed technique.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권9호
• /
• pp.339-348
• /
• 2021

최근 소프트웨어 결함 예측 연구는 교차 프로젝트 간의 결함 예측뿐만 아니라 교차 버전 프로젝트 간의 결함 예측 또한 이루어지고 있다. 종래의 교차 버전 결함 예측 연구들은 WP(Within-Project)로 가정한다. 하지만, CV(Cross-Version) 환경에서는 프로젝트 버전 간의 분포 차이의 중요성을 고려한 연구들이 없다. 본 연구에서는 다른 버전 간의 분포 차이까지 고려하는 자동화된 베이지안 최적화 프레임워크를 제안한다. 이를 통해 분포차이에 따라 전이 학습(Transfer Learning) 수행 여부를 자동으로 선택하여 준다. 해당 프레임워크는 버전 간의 분포 차이, 전이 학습과 분류기(Classifier)의 하이퍼파라미터를 최적화하는 기법이다. 실험을 통해 전이 학습 수행 여부를 분포차 기준으로 자동으로 선택하는 방법이 효과적이라는 것을 알 수 있다. 그리고 최적화를 이용하는 것이 성능 향상에 효과가 있으며 이러한 결과 소프트웨어 인스펙션 노력을 감소할 수 있다는 것을 확인할 수 있다. 이를 통해 교차 버전 프로젝트 환경에서 신규 버전 프로젝트에 대하여 효과적인 품질 보증 활동 수행을 지원할 것으로 기대된다.

• 디지털산업정보학회논문지
• /
• 제9권4호
• /
• pp.239-249
• /
• 2013

The role of software process is getting more important to make good quality softwares. One of the measures to improve the software process is Defect Removal Efficiency(DRE). DRE gives a measure of the development team ability to remove defects prior to release. It is calculated as a ratio of defects resolved to total number of defects found. Software Engineering Levels are usually decided by CMMI Model. The model is designed to help organizations improve their software product and service development, acquisition, and maintenance processes. The score of software engineering levels can be calculated by CMMI model. The levels are composed of the three groups(absent, average, and advanced). This study is to find if there is any difference among the three categories in term of the result of software engineering levels on DRE. We propose One way ANOVA to analyze influence of software engineering levels on DRE. Bootstrap method is also used to estimate the sampling distribution of the original sample because the data are not sampled randomly. The method is a statistical method for estimating the sampling distribution of an estimator by sampling with replacement from the original sample. The data were collected in 106 software development projects by the survey. The result of this study tells that there is some difference of DRE among the groups. The higher the software engineering level of a specific company becomes, the better its DRE gets, which means that the companies trying to improve software process can increase their good management performance.

• 한국정보통신학회논문지
• /
• 제19권3호
• /
• pp.683-688
• /
• 2015

최근 소프트웨어의 결함을 탐지할 수 있는 다양한 종류의 동적분석 도구가 점점 더 많이 활용되고 있다. 하지만 업계에서 실제로 발생하는 결함에 대한 조사는 지금까지 거의 없었다. 본 논문에서는 C/C++, 자바 프로그램에서 결함을 찾아내는 툴인 CodeSonar가 찾아낸 결과를 분석하고자 한다. 분석결과 동남권 지역에서 가장 많이 발생하는 결함들을 다양한 방법으로 제시한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권1호
• /
• pp.1-6
• /
• 2013

소프트웨어의 결함 경향 모듈 예측을 위해 SVM 분류기가 우수한 성능을 보인다는 연구들이 많지만, SVM에서 필요한 파라미터 선정 시 매 커널마다 다르게 선정해야 하고, 파라미터의 변경에 따른 결과예측을 위해 알고리즘을 반복적으로 수행해야 하는 불편함이 있다. 따라서 본 논문에서는 SVM의 파라미터 선정 시 유전알고리즘을 이용하여 스스로 찾게 하는 GA-SVM 모델을 구현하였다. 그리고 분류 성능 비교를 위해 신경망의 역전파알고리즘을 이용하여 분류했던 기존 논문과 비교 분석한 결과, GA-SVM 모델의 성능이 더 우수함을 확인하였다.

• 인터넷정보학회논문지
• /
• 제8권2호
• /
• pp.15-22
• /
• 2007

결함을 초기 단계에 발견하여 제거함으로써 품질이 좋은 소프트웨어를 만들 수 있다 이를 위해 결함을 효과적으로 추적하고 관리하는 결함 추적 시스템(Defect Trucking System)의 도입이 필요하다. 기존의 결함 추적 시스템은 한꺼번에 많은 종류의 데이터를 모음으로써 이를 도입한 조직에서 수많은 데이터를 왜 모아야 하는지에 대해 인식이 부족하고 결함 관리프로세스 없이 도구만 적용함으로써 결함 추적 시스템 도입에 어려움을 겪고 있다. 또한 CMMI 성숙도 수준 2, 3에서는 결함 관리 활동을 수행하는 프로세스 영역이 없기 때문에 CMMI 성숙도 수준 2, 3에 해당하는 조직이 결함 추적 시스템을 도입하는데 문제가 되고 있다. 이에 본 논문에서는 CMMI 기반의 조직이 기존의 결함 추적 시스템을 도입하였을 때 생기는 문제점을 해결하고 CMMI 각 성숙도마다 어떤 결함 데이터를 모아야 하는지, 어떻게 결함 관리를 해야 하는지에 대한 가이드라인을 제공하고자 한다. 그리고 검토 및 테스팅을 통해 도출된 결함 데이터에 대하여 각 담당자 별로 업무를 할당, 추적할 수 있게 하며, 결함에 관한 각종 상태정보와 통계 정보 등을 제공하는 결함 분석 및 통제 시스템을 개발하고자 한다.

• International Journal of Computer Science & Network Security
• /
• 제22권10호
• /
• pp.11-16
• /
• 2022

Applying predictive analytics to predict software defects has improved the overall quality and decreased maintenance costs. Many supervised and unsupervised learning algorithms have been used for defect prediction on publicly available datasets. Most of these datasets suffer from an imbalance in the output classes. We study the impact of class imbalance in the defect datasets on the efficiency of the defect prediction model and propose a CPP method for handling imbalances in the dataset. The performance of the methods is evaluated using measures like Matthew's Correlation Coefficient (MCC), Recall, and Accuracy measures. The proposed sampling technique shows significant improvement in the efficiency of the classifier in predicting defects.

• 대한전자공학회논문지TC
• /
• 제41권8호
• /
• pp.69-78
• /
• 2004

본 논문은 Malaiya와 denton이 제안한 모듈크기(module size)와 소프트웨어 결함밀도와의 관계를 확률 모델화하는데 있어서 고려할 사항으로 정확한 소프트웨어 결함밀도를 추정하는데 그 목적이 있다. 구체적으로 말하면 우리가 수행한 3개 프로젝트에 대해서 지수형 분포 및 기하분포 등에 대한 소프트웨어 모듈의 크기 분포나 모듈 또는 tan 등 규정된 크기에서 포함하고 있는 결함수를 추정하고 실측데이터에 적합한 모델의 구성 가능성을 제안하여 시험기간 중에 관측된 데이터를 적용하여 이를 상호 비교한다.

• 반도체디스플레이기술학회지
• /
• 제20권1호
• /
• pp.88-93
• /
• 2021

The automotive industry is developing day by day. Among them, it is very important to prevent accidents while driving. However, despite the importance of developing automobile industry technology, accidents due to road defects increase every year, especially in the rainy season. To this end, we proposed a road defect detection system for road management by converging deep learning and raspberry pi, which show various possibilities. In this paper, we developed a system that visually displays through a map after analyzing the images captured by the Raspberry Pi and the route GPS. The deep learning model trained for this system achieved 96% accuracy. Through this system, it is expected to manage road defects efficiently at a low cost.